加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
文件
该仓库未声明开源许可证文件(LICENSE),使用请关注具体项目描述及其代码上游依赖。
克隆/下载
19_解析_站长素材.py 1.73 KB
一键复制 编辑 原始数据 按行查看 历史
tom_glb 提交于 2021-09-20 09:24 . 爬虫
import urllib.request
from lxml import etree
# (1) 请求对象的定制
# (2) 获取网页的源码
# (3) 下载
# 需求 下载的前十页的图片
# https://sc.chinaz.com/tupian/qinglvtupian.html 1
# https://sc.chinaz.com/tupian/qinglvtupian_page.html
def create_request(page):
if (page == 1):
url = 'https://sc.chinaz.com/tupian/qinglvtupian.html'
else:
url = 'https://sc.chinaz.com/tupian/qinglvtupian_' + str(page) + '.html'
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36'
}
request = urllib.request.Request(url=url, headers=headers)
return request
def get_content(request):
response = urllib.request.urlopen(request)
content = response.read().decode("utf-8")
return content
def down_load(content):
# urllib.request.urlretrieve('图片地址','文件的名字')
tree = etree.HTML(content)
name_list = tree.xpath("//div[@id='container']//a/img/@alt")
# 一般设计图片的网站会对图片进行懒加载
src_list = tree.xpath("//div[@id='container']//a/img/@src2")
for i in range(len(name_list)):
name = name_list[i]
src = src_list[i]
url = "https:" +src
print(name, " ", url)
urllib.request.urlretrieve(url=url, filename="./img/" + name + ".jpg")
if __name__ == '__main__':
start_page = int(input('请输入起始页码'))
end_page = int(input('请输入结束页码'))
for page in range(start_page,end_page+1):
# (1) 请求对象的定制
request = create_request(page)
# (2)获取网页的源码
content = get_content(request)
# (3)下载
down_load(content)
Loading...
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化