python3爬蟲-快速入門-爬取圖片和標題

来源:https://www.cnblogs.com/wpbing/archive/2018/07/15/9315167.html
-Advertisement-
Play Games

直接上代碼,先來個爬取豆瓣圖片的,大致思路就是發送請求-得到響應數據-儲存數據,原理的話可以先看看這個 https://www.cnblogs.com/sss4/p/7809821.html 再來個爬去標題類的 這個是下載小說的 (別人的代碼) ...


直接上代碼,先來個爬取豆瓣圖片的,大致思路就是發送請求-得到響應數據-儲存數據,原理的話可以先看看這個

https://www.cnblogs.com/sss4/p/7809821.html

import os#同來創造文件夾
import requests#發送請求和得到響應用的
from bs4 import BeautifulSoup#用來解析回應的數據

def GetHtmlText(url):#得到響應數據
    try:
        r = requests.get(url)#發送url
        r.raise_for_status()#判斷是否成功
        r.encoding = 'utf-8'#設置編碼格式
        return r.text#返回他的響應數據
    except:
        return ''
def main(pages):
    filepath=os.getcwd()+'\爬的圖片\\'#創造一個文件夾
    if not os.path.exists(filepath):#如果沒有則創造
        os.makedirs(filepath)

    pagenum=pages#要爬取的頁數
    fnum=1
    for page in range(pages):
        url="https://movie.douban.com/celebrity/1048000/photos/?type=C&start="+str(page*30)+'&sortby=like&size=a&subtype=a'#第幾頁
        html=GetHtmlText(url)
        soup=BeautifulSoup(html,'html.parser')#html。parser是解析器
        uls=soup.find_all('ul',class_="poster-col3 clearfix")#從響應的數據中找到ul class是xxxx的數據
        for ul in uls:
            imgs=ul.find_all('img') #找到img的標簽
            for img in imgs:
                imgurl=img['src']#得到img的url
                imgcontent=requests.get(imgurl).content#得到這個url下的內容content,應該是二進位的
                filename=str(fnum)+'.jpg'
                with open(filepath+filename,'wb') as wf:#二進位形式寫入數據
                    wf.write(imgcontent)
                fnum+=1


if __name__ == '__main__':
    main(9)

再來個爬去標題類的

import requests
from bs4 import BeautifulSoup

url="http://www.jianshu.com"
headers={'User-Agent':'SE 2.X MetaSr 1.0'}#設置請求頭的User-Agent,理解的話可以認為是從哪個瀏覽器發出的,不然的話會被反爬蟲
page=requests.get(url=url,headers=headers)
page_info=page.text
page_bf=BeautifulSoup(page_info,'html.parser')

#print(page_bf.prettify())
titles=page_bf.find_all('a','title')

for title in titles:
    print(title.string)
    print('http://www.jianshu.com'+title.get('href'))
with open(r"D:\untitled\爬蟲爬到的標題.txt","w",encoding='utf-8') as file:
    for title in titles:
        file.write(title.string+'\n')
        file.write("http://www.jianshu.com"+title.get('href')+'\n\n')

這個是下載小說的---(別人的代碼)

from bs4 import BeautifulSoup
import requests,sys
class downloader(object):
    def __init__(self):
        self.server="http://www.biqukan.com/"
        self.target="http://www.biqukan.com/1_1094"
        self.name=[]
        self.urls=[]
        self.nums=0

    def get_download_url(self):
        req=requests.get(url=self.target)
        html=req.text
        div_bf=BeautifulSoup(html)
        div=div_bf.find_all('div',class_='listmain')
        a_bf=BeautifulSoup(str(div[0]))
        a=a_bf.find_all('a')
        self.nums=len(a[15:])
        for each in a[15:]:
            self.name.append(each.string)
            self.urls.append(self.server+each.get('href'))
    def get_contents(self ,target):
        req=requests.get(url=target)
        html=req.text
        bf=BeautifulSoup(html)
        texts=bf.find_all('div',class_='showtxt')
        texts=texts[0].text.replace('\xa0'*8,'\n\n')
        return texts
    def writer(self,name,path,text):
        write_flag=True
        with open(path,"a",encoding='utf-8') as f:
            f.write(name+'\n')
            f.writelines(text)
            f.write('\n\n')

dl=downloader()
dl.get_download_url()
print("開始下載")
for i in range(dl.nums):
    dl.writer(dl.name[i], '一念永恆.txt', dl.get_contents(dl.urls[i]))
    sys.stdout.write("  已下載:%.3f%%" %  float(i/dl.nums) + '\r')
    sys.stdout.flush()
print('《一年永恆》下載完成')

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 介面是一個或多個方法簽名名的集合,定義方式如下 `type Interface_Name interface { method_a() string method_b() int .... } ` 只要某個類型擁有該介面的所有方法簽名,就算實現該介面,無需顯示聲明實現了那個介面,這稱為structu ...
  • 一、簡介 JDK1.5之前都是通過synchronized關鍵字實現併發同步,而JDK1.5以後Doug Lea大師開發了current包下的類,通過JAVA代碼實現了synchronized關鍵的語義。然而在current包下的這些類的實現大部分都不離不開一個基礎組件 AQS(AbstractQu ...
  • html的每一個標簽都共有的屬性有'id','class','style' ...
  • 一、Hbernate中的日誌框架_整合log4j(瞭解) Hibernate 利用 Simple Logging Facade for Java (SLF4J)來記錄不同系統事件的日誌。SLF4J 可以根據你選擇的綁定把日誌輸出到幾個日誌框架(NOP、Simple、log4j version1.2、 ...
  • 問題描述: 在activemq的監聽器中,通過註解@Autowired或@Resource註入bean時,獲取到的bean為null。調用該bean的方法時會報空指針異常。 問題原因: 當調用bean內方法時,spring容器中還沒有完成對註解bean的掃描,dispatcher.xml中配置的註解 ...
  • 實現對DataFrame對象隨機採樣 pandas是基於numpy建立起來的,所以numpy大部分函數可作用於DataFrame和Series數據結構。 numpy.random.permutation(n)函數可以產生0~n範圍內的n個隨機數,輸出形式為numpy數組。 In: Out: 新建一個 ...
  • 1、java中的scanner: scanner 是java中用來進行人機交互的函數; 使用前需要導入:java.util.Scanner包 import java.util.Scanner; 在使用時有以下語法: Scanner sc=new Scanner(System.in);//建立一個鍵盤 ...
  • 想了很久,我決定還是先從signal和slot(信號槽)開始講起。 signal和slot大家一定不陌生,先看一段示例(選自文檔): 使用signal和slot的類必須包含Q_OBJECT巨集,聲明slot需要使用public/private/protected slots:,signal則需要sig ...
一周排行
    -Advertisement-
    Play Games
  • Dapr Outbox 是1.12中的功能。 本文只介紹Dapr Outbox 執行流程,Dapr Outbox基本用法請閱讀官方文檔 。本文中appID=order-processor,topic=orders 本文前提知識:熟悉Dapr狀態管理、Dapr發佈訂閱和Outbox 模式。 Outbo ...
  • 引言 在前幾章我們深度講解了單元測試和集成測試的基礎知識,這一章我們來講解一下代碼覆蓋率,代碼覆蓋率是單元測試運行的度量值,覆蓋率通常以百分比表示,用於衡量代碼被測試覆蓋的程度,幫助開發人員評估測試用例的質量和代碼的健壯性。常見的覆蓋率包括語句覆蓋率(Line Coverage)、分支覆蓋率(Bra ...
  • 前言 本文介紹瞭如何使用S7.NET庫實現對西門子PLC DB塊數據的讀寫,記錄了使用電腦模擬,模擬PLC,自至完成測試的詳細流程,並重點介紹了在這個過程中的易錯點,供參考。 用到的軟體: 1.Windows環境下鏈路層網路訪問的行業標準工具(WinPcap_4_1_3.exe)下載鏈接:http ...
  • 從依賴倒置原則(Dependency Inversion Principle, DIP)到控制反轉(Inversion of Control, IoC)再到依賴註入(Dependency Injection, DI)的演進過程,我們可以理解為一種逐步抽象和解耦的設計思想。這種思想在C#等面向對象的編 ...
  • 關於Python中的私有屬性和私有方法 Python對於類的成員沒有嚴格的訪問控制限制,這與其他面相對對象語言有區別。關於私有屬性和私有方法,有如下要點: 1、通常我們約定,兩個下劃線開頭的屬性是私有的(private)。其他為公共的(public); 2、類內部可以訪問私有屬性(方法); 3、類外 ...
  • C++ 訪問說明符 訪問說明符是 C++ 中控制類成員(屬性和方法)可訪問性的關鍵字。它們用於封裝類數據並保護其免受意外修改或濫用。 三種訪問說明符: public:允許從類外部的任何地方訪問成員。 private:僅允許在類內部訪問成員。 protected:允許在類內部及其派生類中訪問成員。 示 ...
  • 寫這個隨筆說一下C++的static_cast和dynamic_cast用在子類與父類的指針轉換時的一些事宜。首先,【static_cast,dynamic_cast】【父類指針,子類指針】,兩兩一組,共有4種組合:用 static_cast 父類轉子類、用 static_cast 子類轉父類、使用 ...
  • /******************************************************************************************************** * * * 設計雙向鏈表的介面 * * * * Copyright (c) 2023-2 ...
  • 相信接觸過spring做開發的小伙伴們一定使用過@ComponentScan註解 @ComponentScan("com.wangm.lifecycle") public class AppConfig { } @ComponentScan指定basePackage,將包下的類按照一定規則註冊成Be ...
  • 操作系統 :CentOS 7.6_x64 opensips版本: 2.4.9 python版本:2.7.5 python作為腳本語言,使用起來很方便,查了下opensips的文檔,支持使用python腳本寫邏輯代碼。今天整理下CentOS7環境下opensips2.4.9的python模塊筆記及使用 ...