最新文章专题视频专题问答1问答10问答100问答1000问答2000关键字专题1关键字专题50关键字专题500关键字专题1500TAG最新视频文章推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37视频文章20视频文章30视频文章40视频文章50视频文章60 视频文章70视频文章80视频文章90视频文章100视频文章120视频文章140 视频2关键字专题关键字专题tag2tag3文章专题文章专题2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章专题3
当前位置: 首页 - 科技 - 知识百科 - 正文

Python制作爬虫抓取美女图

来源:动视网 责编:小采 时间:2020-11-27 14:17:41
文档

Python制作爬虫抓取美女图

Python制作爬虫抓取美女图:作为一个新世纪有思想有文化有道德时刻准备着的屌丝男青年,在现在这样一个社会中,心疼我大慢播抵制大百度的前提下,没事儿上上网逛逛YY看看斗鱼翻翻美女图片那是必不可少的,可是美图虽多翻页费劲!今天我们就搞个爬虫把美图都给扒下来!本次实例有2个:煎
推荐度:
导读Python制作爬虫抓取美女图:作为一个新世纪有思想有文化有道德时刻准备着的屌丝男青年,在现在这样一个社会中,心疼我大慢播抵制大百度的前提下,没事儿上上网逛逛YY看看斗鱼翻翻美女图片那是必不可少的,可是美图虽多翻页费劲!今天我们就搞个爬虫把美图都给扒下来!本次实例有2个:煎
  作为一个新世纪有思想有文化有道德时刻准备着的屌丝男青年,在现在这样一个社会中,心疼我大慢播抵制大百度的前提下,没事儿上上网逛逛YY看看斗鱼翻翻美女图片那是必不可少的,可是美图虽多翻页费劲!今天我们就搞个爬虫把美图都给扒下来!本次实例有2个:煎蛋上的妹子图,某网站的rosi图。我只是一个学习python的菜鸟,技术不可耻,技术是无罪的!!!

  煎蛋:

  先说说程序的流程:获取煎蛋妹子图URL,得到网页代码,提取妹子图片地址,访问图片地址并将图片保存到本地。Ready? 先让我们看看煎蛋妹子网页:

  我们得到URL为:http://jandan.net/ooxx/page-1764#comments 1764就是页码, 首先我们要得到最新的页码,然后向前寻找,然后得到每页中图片的url。下面我们分析网站代码写出正则表达式!

  根据之前文章的方法我们写出如下函数getNewPage:

def __getNewPage(self):
 pageCode = self.Get(self.__Url)
 type = sys.getfilesystemencoding()
 pattern = re.compile(r'.*?[https://www.gxlcms.com/(.*?)]',re.S)
 newPage = re.search(pattern,pageCode.decode("UTF-8").encode(type))
 print pageCode.decode("UTF-8").encode(type)
 if newPage != None:
 return newPage.group(1)
 return 1500

  不要问我为什么如果失败返回1500。。 因为煎蛋把1500页之前的图片都给吃了。 你也可以返回0。接下来是图片的

def __getAllPicUrl(self,pageIndex):
 realurl = self.__Url + "page-" + str(pageIndex) + "#comments"
 pageCode = self.Get(realurl)
 type = sys.getfilesystemencoding()
 pattern = re.compile('

.*?.*?.*?',re.S) items = re.findall(pattern,pageCode.decode("UTF-8").encode(type)) for item in items: print item

  好了,得到了图片地址,接下来就是访问图片地址然后保存图片了:

def __savePics(self,img_addr,folder):
 for item in img_addr:
 filename = item.split('/')[-1]
 print "正在保存图片:" + filename
 with open(filename,'wb') as file:
 img = self.Get(item)
 file.write(img)

  当你觉得信心满满的时候,一定会有一盆冷水浇到你的头上,毕竟程序就是这样,考验你的耐性,打磨你的自信。你测试了一会儿,然后你发现你重启程序后再也无法获取最新页码,你觉得我什么也没动啊为什么会这样。别着急,我们将得到的网页代码打印出来看看:

  看到了吧,是服务器感觉你不像浏览器访问的结果把你的ip给屏蔽了。 真是给跪了,辛辛苦苦码一年,屏蔽回到解放前!那么这个如何解决呢,答:换ip 找代理。接下来我们要改一下我们的HttpClient.py 将里面的opener设置下代理服务器。具体代理服务器请自行百度之,关键字:http代理 。 想找到一个合适的代理也不容易 自己ie Internet选项挨个试试,测试下网速。

# -*- coding: utf-8 -*-
import cookielib, urllib, urllib2, socket
import zlib,StringIO
class HttpClient:
 __cookie = cookielib.CookieJar()
 __proxy_handler = urllib2.ProxyHandler({"http" : '42.121.6.80:8080'})#设置代理服务器与端口
 __req = urllib2.build_opener(urllib2.HTTPCookieProcessor(__cookie),__proxy_handler)#生成opener
 __req.addheaders = [
 ('Accept', 'application/javascript, */*;q=0.8'),
 ('User-Agent', 'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0)')
 ]
 urllib2.install_opener(__req)

 def Get(self, url, refer=None):
 try:
 req = urllib2.Request(url)
 #req.add_header('Accept-encoding', 'gzip')
 if not (refer is None):
 req.add_header('Referer', refer)
 response = urllib2.urlopen(req, timeout=120)
 html = response.read()
 #gzipped = response.headers.get('Content-Encoding')
 #if gzipped:
 # html = zlib.decompress(html, 16+zlib.MAX_WBITS)
 return html
 except urllib2.HTTPError, e:
 return e.read()
 except socket.timeout, e:
 return ''
 except socket.error, e:
 return ''

  然后,就可以非常愉快的查看图片了。不过用了代理速度好慢。。可以设置timeout稍微长一点儿,防止图片下载不下来!

  好了,rosi的下篇文章再放!现在是时候上一波代码了:

# -*- coding: utf-8 -*-
import cookielib, urllib, urllib2, socket
import zlib,StringIO
class HttpClient:
 __cookie = cookielib.CookieJar()
 __proxy_handler = urllib2.ProxyHandler({"http" : '42.121.6.80:8080'})
 __req = urllib2.build_opener(urllib2.HTTPCookieProcessor(__cookie),__proxy_handler)
 __req.addheaders = [
 ('Accept', 'application/javascript, */*;q=0.8'),
 ('User-Agent', 'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0)')
 ]
 urllib2.install_opener(__req)

 def Get(self, url, refer=None):
 try:
 req = urllib2.Request(url)
 req.add_header('Accept-encoding', 'gzip')
 if not (refer is None):
 req.add_header('Referer', refer)
 response = urllib2.urlopen(req, timeout=120)
 html = response.read()
 gzipped = response.headers.get('Content-Encoding')
 if gzipped:
 html = zlib.decompress(html, 16+zlib.MAX_WBITS)
 return html
 except urllib2.HTTPError, e:
 return e.read()
 except socket.timeout, e:
 return ''
 except socket.error, e:
 return ''

 def Post(self, url, data, refer=None):
 try:
 #req = urllib2.Request(url, urllib.urlencode(data))
 req = urllib2.Request(url,data)
 if not (refer is None):
 req.add_header('Referer', refer)
 return urllib2.urlopen(req, timeout=120).read()
 except urllib2.HTTPError, e:
 return e.read()
 except socket.timeout, e:
 return ''
 except socket.error, e:
 return ''

 def Download(self, url, file):
 output = open(file, 'wb')
 output.write(urllib2.urlopen(url).read())
 output.close()

# def urlencode(self, data):
# return urllib.quote(data)

 def getCookie(self, key):
 for c in self.__cookie:
 if c.name == key:
 return c.value
 return ''

 def setCookie(self, key, val, domain):
 ck = cookielib.Cookie(version=0, name=key, value=val, port=None, port_specified=False, domain=domain, domain_specified=False, domain_initial_dot=False, path='/', path_specified=True, secure=False, expires=None, discard=True, comment=None, comment_url=None, rest={'HttpOnly': None}, rfc2109=False)
 self.__cookie.set_cookie(ck)
#self.__cookie.clear() clean cookie
# vim : tabstop=2 shiftwidth=2 softtabstop=2 expandtab

HttpClient

# -*- coding: utf-8 -*-
from __future__ import unicode_literals
from HttpClient import HttpClient
import sys,re,os
class JianDan(HttpClient):
 def __init__(self):
 self.__pageIndex = 1500 #之前的图片被煎蛋吞了
 self.__Url = "http://jandan.net/ooxx/"
 self.__floder = "jiandan"
 def __getAllPicUrl(self,pageIndex):
 realurl = self.__Url + "page-" + str(pageIndex) + "#comments"
 pageCode = self.Get(realurl)
 type = sys.getfilesystemencoding()
 pattern = re.compile('

.*?.*?.*?',re.S) items = re.findall(pattern,pageCode.decode("UTF-8").encode(type)) for item in items: print item self.__savePics(items,self.__floder) def __savePics(self,img_addr,folder): for item in img_addr: filename = item.split('/')[-1] print "正在保存图片:" + filename with open(filename,'wb') as file: img = self.Get(item) file.write(img) def __getNewPage(self): pageCode = self.Get(self.__Url) type = sys.getfilesystemencoding() pattern = re.compile(r'.*?[https://www.gxlcms.com/(.*?)]',re.S) newPage = re.search(pattern,pageCode.decode("UTF-8").encode(type)) print pageCode.decode("UTF-8").encode(type) if newPage != None: return newPage.group(1) return 1500 def start(self): isExists=os.path.exists(self.__floder)#检测是否存在目录 print isExists if not isExists: os.mkdir(self.__floder) os.chdir(self.__floder) page = int(self.__getNewPage()) for i in range(self.__pageIndex,page): self.__getAllPicUrl(i) if __name__ == '__main__': jd = JianDan() jd.start() JianDan

文档

Python制作爬虫抓取美女图

Python制作爬虫抓取美女图:作为一个新世纪有思想有文化有道德时刻准备着的屌丝男青年,在现在这样一个社会中,心疼我大慢播抵制大百度的前提下,没事儿上上网逛逛YY看看斗鱼翻翻美女图片那是必不可少的,可是美图虽多翻页费劲!今天我们就搞个爬虫把美图都给扒下来!本次实例有2个:煎
推荐度:
标签: 获取 python 爬虫
  • 热门焦点

最新推荐

猜你喜欢

热门推荐

专题
Top