爬虫爬取博客园自己or他人发布文章代码
import requests from bs4 import BeautifulSoup import os class mzitu(): def __init__(self): self.headers = { 'User-Agent': "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24"} def all_url(self, url): html = self.request(url) # #调用request函数把套图地址传进去会返回给我们一个response all_a = BeautifulSoup(html.text, 'html.parser').find('div', class_='all').find_all('a') # 页面更改 多了一个早期图片 需要删掉(小伙伴们 可以自己尝试处理一下这个页面) all_a.pop(0) # 上面是删掉列表的第一个元素 for a in all_a: title = a.get_text() print(u'开始保存:', title) # #加点提示不然太枯燥了 path = str(title).replace("?", '_') # #我注意到有个标题带有 ? 这个符号Windows系统是不能创建文件夹的所以要替换掉 self.mkdir(path) # #调用mkdir函数创建文件夹!这儿path代表的是标题title哦!!!!!不要糊涂了哦! href = a['href'] self.html(href) # #调用html函数把href参数传递过去!href是啥还记的吧? 就是套图的地址哦!!不要迷糊了哦! def html(self, href): # #这个函数是处理套图地址获得图片的页面地址 html = self.request(href) self.headers['referer'] = href max_span = BeautifulSoup(html.text, 'html.parser').find('div', class_='pagenavi').find_all('span')[-2].get_text() for page in range(1, int(max_span) + 1): page_url = href + '/' + str(page) self.img(page_url) # #调用img函数 def img(self, page_url): # #这个函数处理图片页面地址获得图片的实际地址 img_html = self.request(page_url) img_url = BeautifulSoup(img_html.text, 'html.parser').find('div', class_='main-image').find('img')['src'] self.save(img_url) def save(self, img_url): # #这个函数保存图片 name = img_url[-9:-4] img = self.request(img_url) f = open(name + '.jpg', 'ab') f.write(img.content) f.close() def mkdir(self, path): # #这个函数创建文件夹 path = path.strip() isExists = os.path.exists(os.path.join("D:\mzitu", path)) if not isExists: print(u'建了一个名字叫做', path, u'的文件夹!') os.makedirs(os.path.join("D:\mzitu", path)) os.chdir(os.path.join("D:\mzitu", path)) # #切换到目录 return True else: print(u'名字叫做', path, u'的文件夹已经存在了!') return False def request(self, url): # # 这个函数获取网页的response 然后返回 content = requests.get(url, headers=self.headers) return content Mzitu = mzitu() # #实例化 Mzitu.all_url('http://www.mzitu.com/all') # # 给函数all_url传入参数 你可以当作启动爬虫(就是入口)
其中需要把博客id名和url首页值替换掉即可!