编了一套爬虫美女图的一组代码,请大神指点一二;

# -*- coding: utf-8 -*-#coding=utf-8#_author_='Lucky';#date:  2018/12/19import  osimport reimport  requestsfrom lxml import etreefrom bs4 import BeautifulSoupdef get_main():#定义最外层的函数    for result  in range(200):#由于目录有175页,因此定义这个区间        if result ==0:            url = f"http://www.mm131.com/xinggan"        else:            url = f"http://www.mm131.com/xinggan/list_6_{result}.html"#发现规律地址都是后面加_数字        res = requests.get(url)#请求上面网址返回给变量res        print(res)        res.encoding = res.apparent_encoding  # 将变量进行编码转换 没有实际意义        soup = BeautifulSoup(res.text, "lxml")  # 解析后的内容给soup对象        tr_soup = soup.find_all("dd")#发现目录主图都是在dd标签下面        # print(tr_soup)        get_url(tr_soup,result)#调用下面的函数 传的参数是上面筛选出来的 dd标签中的内容def get_url(defaul,res):#目录中的二层url地址生成    for i in defaul:        if i.find("a"):#查找a标签下的全部内容            text = i.get_text()#若是找到就提取文本到前面变量            print(text)            link = i.find("a").get("href")#将标签a下面href的值url单独给变量link列表            print(link)            if 'html' in link:#尤为注意这里,为了防止爬到的地址不存在html字符串,(也就是说爬的地址不是图片url地址)加次条件                link_re = '/.+?\.'  # 先定义个正则表达式,为了后面作url拼接使用,实际是找出这个表达式的值                end_link = re.compile(link_re)  # 编译上面的表达式后才能被python识别                end_url = re.findall(end_link, link)  # 找出link中符合正则表达的内容                print('end_url=', end_url)                new = end_url[1].strip('.')  # end_url[1]的值中有个.在拼接url时没法拼接,故用strip删除                for num in range(2, 55):  # 每一个目录下基本上都是存在55个子图片,故用区间                    end2_link = new + '_%d' % num  # 字符串拼接                    web = ('http://www.mm131.com' + end2_link + '.html')  # 造成要访问的url                    print(web)                    get_endurl(web, num, text)def get_endurl(web, no, text):#末端请求Url和图片保存写入    headers = {        'Referer': f'{web}',        'User-Agent': 'Mozilla/5.0(Windows NT 10.0; Win64; x64) AppleWebKit/537.36(KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36'    }#请求头    res = requests.get(web)#访问对应Url,返回信息到res    result = etree.HTML(res.content)#经过etree.HTML的函数讲res进行解析,这样才能经过xpath来找到图片    # print(etree.tostring(result).decode("utf-8"))    img_list = result.xpath("//div[@class='content-pic']/a/img/@src")#将全部@src图片地址放到列表中    print(img_list)    for img in img_list:#遍历上面的列表        rimage = requests.get(img, headers=headers)#将每次遍历到的图片src,返回给rimage        with open(f'img2/{text}_{no}.jpg', 'wb') as f:#打开Img文件夹保存定义的文件名,            f.write(rimage.content)if __name__ == '__main__':    get_main()
相关文章
相关标签/搜索