爬取糗事百科中热图板块下的糗图

PYTHON 2022年1月8日

入门爬虫，爬取糗事百科的图片，没有大量采集，只是认识requests的简单工作流程

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
import requests
import re
import os
if __name__ == '__main__':
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.96 Safari/537.36 Edg/88.0.705.50'
    }
 
    url = 'https://www.qiushibaike.com/imgrank/page/%d/'
    if not os.path.exists('./糗图'):      #   判断文件夹是否存在
            os.mkdir('./糗图')        #  创建文件夹
 
    for pageNum in range(1,14):
        new_url = format(url%pageNum)     #   定义新url
        print(f'开始爬取第{pageNum}页......')
        page_text = requests.get(url=new_url,headers=headers).text
 
        #   提取图片的正则表达式
        ex = '<div class=""thumb"">.*?<img src=""(.*?)"" alt.*?</div>'
        img_src_list = re.findall(ex,page_text,re.S)
        for src in img_src_list:
            src = 'https:'+src      # 拼接网址
            img = requests.get(url=src,headers=headers).content     # 得到二进制图片
            #   生成图片名称
            img_name = src.split('/')[-1]      # 分隔src倒数第一个/后面的部分作为文件名
            #   图片存储的路径
            img_path = './糗图/' + img_name
            with open(img_path,'wb') as fp:
                 fp.write(img)
            print(img_name,'爬取成功!')
    print('爬取完成!')
4,919

发表评论