Python爬蟲爬取煎蛋網圖片代碼實例

這篇文章主要介紹了Python爬蟲爬取煎蛋網圖片代碼實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

今天，試着爬取了煎蛋網的圖片。

用到的包：

urllib.request
os
分別使用幾個函數，來控制下載的圖片的頁數，獲取圖片的網頁，獲取網頁頁數以及保存圖片到本地。過程簡單清晰明瞭

直接上源代碼：

import urllib.request
import os
 
 
def url_open(url):
  req = urllib.request.Request(url)
  req.add_header('user-agent','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36')
  response = urllib.request.urlopen(url)
  html = response.read()
 
  return html
 
def get_page(url):
  html = url_open(url).decode('utf-8')
 
  a = html.find('current-comment-page')+23
  b = html.find(']',a)
 
  return html[a:b]
 
 
def find_imgs(url):
  html = url_open(url).decode('utf-8')
  img_addrs = []
 
  a = html.find('img src=')
 
  while a != -1:
    b = html.find('.jpg',a ,a+255)
    if b != -1:
      img_addrs.append('https:'+html[a+9:b+4]) # 'img src='爲9個偏移 '.jpg'爲4個偏移
    else:
      b = a+9
    a = html.find('img src=', b)
 
  return img_addrs
 
 
def save_imgs(folder, img_addrs):
  for each in img_addrs:
    filename = each.split('/')[-1]
    with open(filename, 'wb') as f:
      img = url_open(each)
      f.write(img)
    print(img_addrs)
 
def download_mm(folder = 'xxoo', pages = 5):
  os.mkdir(folder)
  os.chdir(folder)
 
  url = 'http://jandan.net/ooxx/'
  page_num = int(get_page(url))
 
  for i in range(pages):
    page_num -= i
    page_url = url + 'page-'+ str(page_num) + '#comments'
    img_addrs = find_imgs(page_url)
    save_imgs(folder, img_addrs)
 
if __name__ == '__main__':
  download_mm()

其中在主函數download_mm()中，將pages設置在了5面。

本來設置的是10，但是在程序執行的過程中。出現了404ERROR錯誤

即imgae_url出現了錯誤。嘗試着在save_img()函數中加入了測試代碼：print(img_addrs)，
想到會不會是因爲後面頁數的圖片，img_url的格式出現了改變，導致404，所以將pages改成5，

再次運行，結果沒有問題，圖片能正常下載：
仔細觀察發現，剛好是在第五面的圖片往後，出現了不可下載的問題（404）。所以在煎蛋網上，我們直接跳到第6面查看圖片的url。
上圖是後5面的圖片url，下圖是前5面的圖片url
而源代碼中，尋找的圖片url爲使用find()函數，進行定爲<img src=‘’> <.jpg>中的圖片url，所以後5面出現的a href無法匹配，即出現了404 ERROR。如果想要下載後續的圖片，需要重新添加一個url定位

即在find中將 img src改成 a href，偏移量也需要更改。

總結：

使用find()來定位網頁標籤確實太過low，所以以後在爬蟲中要儘量使用正則表達式和Beautifulsoup包來提高效率，而這兩項我還不是特別熟，所以需要更多的訓練
最後給大家推薦一個口碑不錯的python聚集地【點擊進入】，這裏有很多的老前輩學習技巧，學習心得，面試技巧，職場經歷等分享，更爲大家精心準備了零基礎入門資料，實戰項目資料，每天都有程序員定時講解Python技術，分享一些學習的方法和需要留意的小細節