会用到的功能的简单介绍
1、from bs4 import BeautifulSoup
#导入库
2、请求头herders
headers={'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.110 Safari/537.36','referer':"www.mmjpg.com" } all_url = 'http://www.mmjpg.com/' 'User-Agent':请求方式 'referer':从哪个链接跳转进来的
3、建立连接
start_html = requests.get(all_url, headers=headers) all_url:起始的地址,也就是访问的第一个页面 headers:请求头,告诉服务器是谁来了。 requests.get:一个方法能获取all_url的页面内容并且返回内容。
4、解析获取的页面
Soup = BeautifulSoup(start_html.text, 'lxml') BeautifulSoup:解析页面 lxml:解析器 start_html.text:页面的内容
5、处理获取的页面
all_a = Soup.find('div', class_='pic').find_all('a')[-2] Soup.find()查找某一个 find_all()查找所有的,返回一个列表 .find('img')['src'] :获取img的src链接属性 class__:获取目标的类名 div/a:类型条件为div/a的 [-2]可以用来去掉最后多匹配的标签,这里表示去掉最后两个a标签
6、获取目标内容
<a href =# >内容</a> a[i]/get_text():获取第i个a标签里面的内容
7、可能用到的其他功能介绍:
1、文件夹创建与切换
os.makedirs(os.path.join("E:\name", filename)) #在目录E:\name下创建名为filename的文件夹 os.chdir("E:\name\\" + filename) #切换工作路径到E:\name\filename下
2、文件保存
f = open(name+'.jpg', 'ab')##写入多媒体文件必须要 b 这个参数! f.write(img.content) ##多媒体文件要是用conctent! f.close()
案例:爬取妹纸图
import requests from bs4 import BeautifulSoup import os #导入所需要的模块 class mzitu(): def all_url(self, url): html = self.request(url)## all_a = BeautifulSoup(html.text, 'lxml').find('div', class_='all').find_all('a') for a in all_a: title = a.get_text() print('------开始保存:', title) path = str(title).replace("", '_') ##替换掉带有的? self.mkdir(path) ##调用mkdir函数创建文件夹!这儿path代表的是标题title href = a['href'] self.html(href) def html(self, href): ##获得图片的页面地址 html = self.request(href) max_span = BeautifulSoup(html.text, 'lxml').find('div', class_='pagenavi').find_all('span')[-2].get_text() #这个上面有提到 for page in range(1, int(max_span) + 1): page_url = href + '/' + str(page) self.img(page_url) ##调用img函数 def img(self, page_url): ##处理图片页面地址获得图片的实际地址 img_html = self.request(page_url) img_url = BeautifulSoup(img_html.text, 'lxml').find('div', class_='main-image').find('img')['src'] self.save(img_url) def save(self, img_url): ##保存图片 name = img_url[-9:-4] img = self.request(img_url) f = open(name + '.jpg', 'ab') f.write(img.content) f.close() def mkdir(self, path): ##创建文件夹 path = path.strip() isExists = os.path.exists(os.path.join("E:\mzitu2", path)) if not isExists: print('建了一个名字叫做', path, '的文件夹!') os.makedirs(os.path.join("E:\mzitu2", path)) os.chdir(os.path.join("E:\mzitu2", path)) ##切换到目录 return True else: print( path, '文件夹已经存在了!') return False def request(self, url): ##这个函数获取网页的response 然后返回 headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.110 Safari/537.36', 'referer':#伪造一个访问来源 "http://www.mzitu.com/100260/2" } content = requests.get(url, headers=headers) return content #设置启动函数 def main(): Mzitu = mzitu() ##实例化 Mzitu.all_url('http://www.mzitu.com/all') ##给函数all_url传入参数 main()
华山资源网 Design By www.eoogi.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com
暂无评论...
更新日志
2024年09月25日
2024年09月25日
- 黄心懋1991-轻忧郁【滚石】【WAV+CUE】
- 群星.2000-大地金曲世纪回顾2CD【大地】【WAV+CUE】
- 王菲.1996-浮躁(2024环球MQA-UHQCD限量版)【环球】【WAV+CUE】
- 群星.2022-传家电视剧原声带【东阳欢娱】【FLAC分轨】
- 《摇滚教父 伍佰黄金精选 2CD》 [WAV+CUE][1GB]
- 《凤凰传奇 我从草原来》[WAV/分轨][400MB]
- 《叶倩文 真心真意过一生》[WAV+CUE][400MB]
- 潘越云.1985-世间女子(滚石25周年经典复刻版)【滚石】【WAV+CUE】
- 陈柏宇.2009-CANT.BE.HALF【SONY】【WAV+CUE】
- 李明依.1989-小女生【滚石】【WAV+CUE】
- 《李荣浩 新时代创作新人王》[WAV分轨][310MB]
- 《黑鸭子与马头琴 史上最动听草原音乐》[WAV+CUE][320MB]
- 《汽车发烧音乐精选CD18》[FLAC+CUE][7.1G]
- 郑希怡.2004-Perfect.Date【英皇娱乐】【FLAC分轨】
- 群星.1994-宝丽金超级孖宝2CD【宝丽金】【WAV+CUE】