轉載:https://zhuanlan.zhihu.com/p/57780822
在大佬的教程下一些自己的理解.
主頁網址唯一圖庫
直接點到末頁,852頁。。
右鍵點擊一個圖片鏈接,選擇審查元素
這裏的img是就封面,如果只抓取封面的話,到這就可以了,但是我們取的是所有圖片,所以這裏我們獲取的是這個詳情頁的a鏈接:http://www.mmonly.cc/mmtp/xgmn/181603.html,這就是第一個圖集的鏈接,然後每頁有24個圖集。一共852頁,我們點擊下一頁查看下網址變化,http://www.mmonly.cc/mmtp/list_9_2.html,頁數變成2,所以我們這裏直接循環,然後獲取每一頁上的圖集a鏈接:
import requests
from lxml import html
for page in range(1,852):
url='http://www.mmonly.cc/mmtp/list_9_%s.html'%page
response=requests.get(url,verify=False).text
selector=html.fromstring(response)
imgEle=selector.xpath('//div[@class="ABox"]/a')
for img in imgEle:
imgUrl=img.xpath('@href')[0]
print(imgUrl)
這樣,我們就獲取到了所有的主要鏈接,每頁24個,2w+個。
這裏用的是xpath:https://www.jianshu.com/p/85a3004b5c06
xpath用於獲取匹配的元素。/ 爲子目錄
然後我們點開一個鏈接,看一下詳情頁,發現網址沒有變化,點下一頁,同樣的是網址後面加了頁數:http://www.mmonly.cc/mmtp/xgmn/181603_2.html,有點區別的地方就是我們不知道每個圖集有多少頁,所以這裏再單獨獲取一下,同樣的右擊審查元素。
for img in imgEle:
imgUrl=img.xpath('@href')[0]
response=requests.get(imgUrl,verify=False).text
selector = html.fromstring(response)
pageEle = selector.xpath('//div[@class="wrapper clearfix imgtitle"]/h1/span/span[2]/text()')[0]
print(pageEle)
這裏我們如願獲取到15。
之後就是訪問每一頁,獲取高清大圖了,以及圖片的保存。urllib.request.urlretrieve(url,path)簡單下載圖片,參數爲圖片鏈接和下載的本地路徑。
完整代碼如下:(這裏我圖片命名是第幾頁第幾個圖集的第幾張圖片,所以看着有些亂)
urllib.request.urlretrieve:將遠程數據下載到本地。
https://blog.csdn.net/u012424313/article/details/82222188
import requests
from lxml import html
import os
import urllib
import time
img_save_path = os.getcwd()+"\meizi"
for page in range(1,2):
url='http://www.mmonly.cc/mmtp/list_9_%s.html'%page
response=requests.get(url,verify=False).text
selector=html.fromstring(response)
imgEle=selector.xpath('//div[@class="ABox"]/a')
for index, img in enumerate(imgEle):
imgUrl = img.xpath('@href')[0]
response = requests.get(imgUrl, verify=False).text
selector = html.fromstring(response)
pageEle = selector.xpath('//div[@class="wrapper clearfix imgtitle"]/h1/span/span[2]/text()')[0]
# print(pageEle)
imgE = selector.xpath('//a[@class="down-btn"]/@href')[0]
#creat file folder for save image
if not os.path.exists(img_save_path):
os.makedirs(img_save_path)
#the name of image
imgName = '%s_%s_1.jpg' % (page, str(index + 1))
coverPath = os.path.join(img_save_path,imgName)
#download the image by url
urllib.request.urlretrieve(imgE, coverPath)
for page_2 in range(2, int(pageEle) + 1):
url = imgUrl.replace('.html', '_%s.html' % str(page_2))
response = requests.get(url).text
selector = html.fromstring(response)
imgEle = selector.xpath('//a[@class="down-btn"]/@href')[0]
# print(imgEle)
imgName = '%s_%s_%s.jpg' % (page, str(index + 1), page_2)
coverPath = os.path.join(img_save_path,imgName)
urllib.request.urlretrieve(imgEle, coverPath)
time.sleep(2)