Python——爬蟲學習2

標籤：bsp   route   als   s函數   color   運行   col   app   函數   

BeautifulSoup外掛程式的使用

這個外掛程式需要先使用pip安裝（在上一篇中不再贅言），然後再程式中申明引用

from bs4 import BeautifulSouphtml=self.requests(url)#調用requests函數把套圖地址傳入會返回一個responseall_a=BeautifulSoup(html.text,‘lxml‘).find(‘div‘,class_=‘all‘).find(‘li‘).find_all(‘a‘)

這裡find方法只會尋找第一個匹配的元素，所以返回的是一個對象，find_all方法會尋找所有匹配的元素，所以返回的是list

在使用網頁文本的時候用text，在下載多媒體檔案的時候用content。

正式編程

這裡對程式進行了一些封裝，方便函數的複用

ps：不得不感歎，python的io操作真的是很好用，簡單方便，敲幾下鍵盤就搞定，比起C#的各種參數真是太簡潔！！！

import requestsfrom bs4 import BeautifulSoupimport osclass mzitu():        def __init__(self):        self.headers={‘User-Agent‘:‘Mozilla/5.0(Windows NT 6.2;WOW64)AppleWebKit/535.24(KHTML,like Gecko)Chrome/19.0.1055.1 Safari/535.24‘}        #self.route="D:\GITHUB\學習Python\爬蟲基礎教程mzitu\mzitu"    def all_url(self,url):        html=self.requests(url)#調用requests函數把套圖地址傳入會返回一個response        all_a=BeautifulSoup(html.text,‘lxml‘).find(‘div‘,class_=‘all‘).find(‘li‘).find_all(‘a‘)        for a in all_a:            title=a.get_text()            print(u‘開始儲存：‘,title)#加一點提示，不然太枯燥了            path=str(title).replace("?",‘_‘)            path = str(title).replace("?", ‘_‘) ##我注意到有個標題帶有 ？  這個符號Windows系統是不能建立檔案夾的所以要替換掉            if self.mkdir(path):#調用mkdir函數建立檔案夾                href=a[‘href‘]                self.html(href)#調用html函數把href參數傳遞過去        print(u‘共找到資源：‘,len(all_a),u‘組‘)    def html(self,href): ##這個函數是處理套圖地址獲得圖片的頁面地址        html=self.requests(href)#調用requests函數        self.headers[‘referer‘]=href        max_span=BeautifulSoup(html.text,‘lxml‘).find(‘div‘,class_=‘pagenavi‘).find_all(‘span‘)[-2].get_text()        for page in range(1,int(max_span)+1):            page_url=href+‘/‘+str(page)            self.img(page_url)#調用img函數    def img(self,page_url): ##這個函數處理圖片頁面地址獲得圖片的實際地址        img_html=self.requests(page_url)        img_url=BeautifulSoup(img_html.text,‘lxml‘).find(‘div‘,class_=‘main-image‘).find(‘img‘)[‘src‘]        self.save(img_url)#調用save函數    def save(self,img_url): ##這個函數儲存圖片        name=img_url[-9:-4]        img=self.requests(img_url)        f=open(name+‘.jpg‘,‘ab‘)        f.write(img.content)        f.close()            def mkdir(self,path): ##這個函數建立檔案夾        path=path.strip()        isExists=os.path.exists(os.path.join("D:\GITHUB\學習Python\爬蟲基礎教程mzitu\mzitu",path))#建立一個存放套圖的檔案夾        if not isExists:            print(u‘建立了‘,path,u‘檔案夾！‘)            os.makedirs(os.path.join("D:\GITHUB\學習Python\爬蟲基礎教程mzitu\mzitu",path))            os.chdir(os.path.join("D:\GITHUB\學習Python\爬蟲基礎教程mzitu\mzitu",path))#切換到目錄            return True        else:            print(u‘名字叫做‘,path,u‘的檔案夾已經存在了！‘)            return False    def requests(self,url): ##這個函數擷取網頁的response 然後返回        content=requests.get(url,headers=self.headers)        return contentMzitu=mzitu()#執行個體化Mzitu.all_url(‘http://www.mzitu.com/all‘)##給函數all_url傳入參數 當作啟動爬蟲（就是入口）

運行指令碼，下載後到檔案夾去看看，效果很驚豔！

 

Python——爬蟲學習2