Python爬虫基础--爬取车模照片
import urllib
from urllib import request, parse
from lxml import etree
class CarModel:
def __init__(self, search_name='车模', search_page=50, begin_page=1):
self.name = search_name
self.url = 'https://tieba.baidu.com/f?'
self.search_page = search_page
self.begin_page = begin_page
self.tie_ba_list = []
self.number = 0
self.header = {'User_agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.98 Safari/537.36'}
def download_img(self, link, page_num, index01, index02):
img_ = urllib.request.Request(link)
respos = urllib.request.urlopen(img_)
img_data = respos.read()
file = open('../image/{0}_{1}_{2}.jpg'.format(page_num, index01, index02), 'wb')
file.write(img_data)
file.close()
def find_image(self, link, page_num, index01):
requests = urllib.request.Request(headers=self.header, url=link)
responses = urllib.request.urlopen(requests)
html = responses.read() # 获取html信息
new_html = etree.HTML(html) # 将html转换
image_link = new_html.xpath('//img[@class="BDE_Image"]/@src') # xpath进行信息抽取
tmp_num = 0
for i in image_link:
tmp_num += 1 # 进行图片编号
self.download_img(i, page_num, index01, tmp_num)
def find_link(self, link, page_num):
requests = urllib.request.Request(headers=self.header, url=link)
responses = urllib.request.urlopen(requests)
html = responses.read().decode('utf-8')
new_html = etree.HTML(html)
# 寻找图片超链接
link_list = new_html.xpath('//div[@class="threadlist_lz clearfix"]/div/a/@href')
tmp_num = 0
for i in link_list:
tmp_num += 1
tmp_link = 'https://tieba.baidu.com{0}'.format(i)
self.find_image(tmp_link, page_num, tmp_num)
def begin(self):
for i in range(self.begin_page, self.search_page+1):
tmp_pn = (i-1)*50
words_01 = {'kw': self.name}
words_02 = {'pn': tmp_pn}
words_01 = urllib.parse.urlencode(words_01)
words_02 = urllib.parse.urlencode(words_02)
tmp_url ='{0}{1}&ie=utf-8&{2}'.format(self.url, words_01, words_02)
self.find_link(tmp_url, tmp_pn/50)
if __name__ == '__main__':
car = CarModel()
car.begin()
最终爬取效果

Python爬虫基础--爬取车模照片的更多相关文章
- Python爬虫之爬取淘女郎照片示例详解
这篇文章主要介绍了Python爬虫之爬取淘女郎照片示例详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧 本篇目标 抓取淘宝MM ...
- python --爬虫基础 --爬取今日头条 使用 requests 库的基本操作, Ajax
'''思路一: 由于是Ajax的网页,需要先往下划几下看看XHR的内容变化二:分析js中的代码内容三:获取一页中的内容四:获取图片五:保存在本地 使用的库1. requests 网页获取库 2.fro ...
- Python爬虫之爬取慕课网课程评分
BS是什么? BeautifulSoup是一个基于标签的文本解析工具.可以根据标签提取想要的内容,很适合处理html和xml这类语言文本.如果你希望了解更多关于BS的介绍和用法,请看Beautiful ...
- [Python爬虫] Selenium爬取新浪微博客户端用户信息、热点话题及评论 (上)
转载自:http://blog.csdn.net/eastmount/article/details/51231852 一. 文章介绍 源码下载地址:http://download.csdn.net/ ...
- from appium import webdriver 使用python爬虫,批量爬取抖音app视频(requests+Fiddler+appium)
使用python爬虫,批量爬取抖音app视频(requests+Fiddler+appium) - 北平吴彦祖 - 博客园 https://www.cnblogs.com/stevenshushu/p ...
- Python爬虫之爬取站内所有图片
title date tags layut Python爬虫之爬取站内所有图片 2018-10-07 Python post 目标是 http://www.5442.com/meinv/ 如需在非li ...
- python爬虫实战---爬取大众点评评论
python爬虫实战—爬取大众点评评论(加密字体) 1.首先打开一个店铺找到评论 很多人学习python,不知道从何学起.很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手.很多已经 ...
- 初次尝试python爬虫,爬取小说网站的小说。
本次是小阿鹏,第一次通过python爬虫去爬一个小说网站的小说. 下面直接上菜. 1.首先我需要导入相应的包,这里我采用了第三方模块的架包,requests.requests是python实现的简单易 ...
- python 爬虫之爬取大街网(思路)
由于需要,本人需要对大街网招聘信息进行分析,故写了个爬虫进行爬取.这里我将记录一下,本人爬取大街网的思路. 附:爬取得数据仅供自己分析所用,并未用作其它用途. 附:本篇适合有一定 爬虫基础 crawl ...
随机推荐
- 50套html站点模板,涵盖非常多行业,各种类型html站点,各种行业html站点模板下载
50套html站点模板,涵盖非常多行业,各种类型html站点.各种行业html站点模板下载 所以模板都在共享文件中面QQ群 139639813 ,快下载吧.
- Thread.yield()方法表示交出主动权,join表示等待当前线程,可以指定秒数
Thread.yield()方法表示交出主动权,join表示等待当前线程,可以指定秒数 学习了:http://www.importnew.com/14958.html 膜拜一下 源码膜拜: Threa ...
- [Javascript] Getter and Setter Abstractions
JavaScript provides primitive types and means of processing those. However, those are not enough. Re ...
- 6581 Number Triangle
6581 Number Triangle 时间限制:500MS 内存限制:1000K提交次数:57 通过次数:47 题型: 编程题 语言: G++;GCC Description 7 3 8 8 ...
- 【cl】cmd相关命令
cd 进入目录 dir 列出当前目录下的文件[在linux上是ls] e: 进入E盘 tab键可以快速进入目录
- 在Maven中设置Nexus私有服务为中央工厂
在Maven中设置Nexus私有服务为中央工厂(repository) 2015-12-12 17:45 168人阅读 评论(0) 收藏 举报 分类: Maven(17) 版权声明:本文为博主原创 ...
- java,wavToMP3格式转换
这里须要用到一个jar包:jave-1.0.1.jar,下载地址的话自己百度吧. 废话不多说直接贴代码: import it.sauronsoftware.jave.AudioAttributes; ...
- ProjectRuler 算法练习之 位数组成字符串同样的整数
Problem :It can be seen that the number, 125874, and its double, 251748, contain exactly the same di ...
- luogu1967 货车运输 最大瓶颈生成树
题目大意 给出一张图,给出q对点,求这两个点间权值最小边最大的路径,输出这个最小边权. 题解 我们先一条一条边建图.当建立的边使得图中形成环时,因为环中的每个节点只考虑是否连通和瓶颈大小,要想互相连通 ...
- DNS 隐蔽通道工具资料汇总
http://www.cnblogs.com/bonelee/p/7651746.html DNS隧道和工具 内含dns2tcp.iodine.dnscat2工具的简单使用说明 iodine工具的使用 ...