Python猪突篇补充

感觉上一篇的内容还是差了一点，就是那么一点看得见摸不着的感觉，所以有了这一片新作，尝试爬点网络图片吧。

准备工作

选一个图片网站，我找了一个妹子图的网站 https://www.vmgirls.com，不喜欢妹子喜欢汉子的也可以随自己喜好找汉子图的网站。

就在首页里随意点进一组图片里，跳转到对应的组图网页。那么目标和目标网页都有了。

我们需要对网页内容进行分析，找出我们需要的内容，以我们的目标网页为例，需要给这组图片一个组图名，需要妹子的名字，需要妹子的图，三样全都要。那么开始撸代码：

import time
import requests
import re
import os

# 组图网页的网址
url = 'https://www.vmgirls.com/16901.html' 
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.79 Safari/537.36'
}
response = requests.get(url, headers=headers)
html = response.text
# print(html)

# 采用正则表达式抓取特定的数据
patternFileName = '<h1 class="post-title h1">(.*)</h1>'
patternActorName = '<div class=nc-light-gallery>.*<a target=_blank href=.* title=.*>(.*)</a><br/>'
patternActorPicTopBackground = '<div class=media-content style="background-image:url\\(\'//(.*)\'\\)"></div>'
patternPics = '<a href="//(.*)" alt=.* title=.*>'

fileName = re.findall(patternFileName, html)
actorName = re.findall(patternActorName, html)
actorPicTop = re.findall(patternActorPicTopBackground, html)
picUrls = re.findall(patternPics, html)
picUrls.insert(0, actorPicTop[0])
# print(fileName)
# print(actorName)
# print(actorPicTop)
# print(picUrls)

dirName = 'D:/pic/girls' + "/" + fileName[0] + "_" + actorName[0]
if not os.path.exists(dirName):
    os.mkdir(dirName)
for url in picUrls:
    time.sleep(.5)
    file_name = url.split('/')[-1]
    response = requests.get('http://' + url, headers=headers)
    with open(dirName + "/" + file_name, 'wb') as fp:
        fp.write(response.content)

上结果图：

当然不出所料，图片下载成功。

以上代码内容进行下分析说明。

首先，我们代码里引入了4个库time，requests，re和os。time在代码出现了一次，作用是延时0.5秒；requests理所当然是做网络请求用的；re是用于在字符串中查找正则匹配字符串用的；os则是和文件写入相关。

整段代码的逻辑是：取到网页的内容 -> 从页面内容中抓取需要的文字，从内容中抓取图片的链接 -> 创建文件目录 -> 下载图片到电脑上。比较难的是分析页面内容，查找需要抓取的内容和正则匹配获取内容。如果是本来就搞过网页制作的工作的小伙伴，前面这句话就当我没说过。正则表达式的觉得难理解，这里推荐一个网站 https://www.runoob.com/regexp/regexp-syntax.html。

以上，就不再爬取大量图片了，看多了这种图也太痛苦了，暂时完结了吧

 

PS：吾将上下而求索