爬虫--抓取网络图片

初次尝试写一个小的爬虫,对网站的图片进行抓取

#!/usr/bin/env python3
# -*-coding:UTF-8-*-


import os
import time
import os.path
import urllib.parse
import urllib.request
from io import StringIO

from lxml import etree


class DownloadMM(object):
    """
    从网站下载图片
    """

    def __init__(self, dir='./ooxx', nPage=10):
        self.url = 'https://jandan.net/ooxx'
        self._page = 0
        self.headers = {'User-Agent': r'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, '
                                      r'like Gecko) Chrome/61.0.3163.100 Safari/537.36'}
        self.nPage = nPage
        self.dir = dir
        if os.path.isdir(self.dir):
            pass
        else:
            os.mkdir(self.dir)

        # 添加一个默认的头信息
        self._htmlParser = etree.HTMLParser(remove_comments=True, compact=True, encoding='UTF-8')

    def __str__(self):
        return '下载图片的地址:' + self.url

    __repr__ = __str__

    # 下载页面
    def _downloadOnePage(self, page):
        # 第几页的格式
        # //jandan.net/ooxx/page-300#comments
        _url = self.url if page <= 0 else self.url + '/page-' + str(page) + '#comments'
        try:
            _request = urllib.request.Request(_url, headers=self.headers)
            _response = urllib.request.urlopen(_request)
            _html = _response.read().decode('UTF-8')

            return _html
        except:
            print('下载页面出错了,地址为:', _url)
            return ''

    # 添加头信息
    def _addHeader(self, key, value):
        self.headers[key] = value

    # 解析网页,获取图片,获取下一页的页码
    def _resolvePage(self, html):
        root = etree.parse(StringIO(html), self._htmlParser)
        # 获取下一页的页码
        nextPageLit = root.xpath('//div[@class="comments"][1]//a[@class="previous-comment-page"]/@href')
        if nextPageLit:
            self._page = int(nextPageLit[0].split('#')[0].split('-')[1])
        else:
            self._page = -1  # -1 控制退出
        # 获取本夜图片的链接地址
        onePageImageList = root.xpath('//ol[@class="commentlist"]/li//div[@class="text"]/p/a[1]/@href')
        print(onePageImageList)
        return onePageImageList

    # 下载图片
    def _downloadImg(self, imgList):
        for imgUrl in imgList:
            imgUrl = 'http:' + imgUrl
            # 获取文件的名称
            fileName = os.path.join(os.path.abspath(self.dir), imgUrl[imgUrl.rfind(
                '/') + 1:])  # os.path.abspath(self.dir) + '/' + imgUrl[imgUrl.rfind('/')+1:]

            # 读出文件,并存到磁盘
            response = urllib.request.urlopen(imgUrl)
            imgBytes = response.read()
            with open(fileName, 'wb') as f:
                f.write(imgBytes)

            # 图片下载完后,睡5秒
            time.sleep(5)

    # 下载图片的逻辑
    def _process(self):
        html = self._downloadOnePage(self._page)  # 下载页面,返回的页面源码
        onePageImgList = self._resolvePage(html=html)  # 解析,获取图片地址和下一页的页码
        self._downloadImg(onePageImgList)  # 进行下载图片的操作,没下载一个图片,睡眠5秒

    # 获取前多少页的图片, 默认10页
    def run(self):
        i = 1
        while self._page != -1:
            if i > self.nPage:
                return
            print('第', i, '页')
            self._process()
            i = i + 1


if __name__ == '__main__':
    dm = DownloadMM(nPage=1)
    dm.run()

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,723评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,485评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,998评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,323评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,355评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,079评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,389评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,019评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,519评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,971评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,100评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,738评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,293评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,289评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,517评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,547评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,834评论 2 345

推荐阅读更多精彩内容