python爬取妹子图
Python爬取妹子图片
今天小编来教大家写一个爬虫程序来爬取妹子的图片,宝宝们可以用这个程序来下载点儿图片
环境搭建
1.利用python爬虫爬取图片,首先要进行安装python,可以参考python教程
2.安装python之后,在进行安装第三方库,requests
在cmd中进行安装
pip install requests
输入后回车,等安装好后就可以了。。。
源代码:
1.面向过程化的简单版本
import requests
import re
import os
from urllib import request
import time
'''
妹子图网站反扒手段 ,限制方位来源,需在headers中加入 Referer 跳转来源
urlretrieve 无法加入请求头headers
我们使用bytes直接下载图片
同时需注意限制访问时间间隔,访问频次过快,服务器进制访问
#### 注意图片下载地址是.jpg格式,我们下午使用链接不正确所以可以下载但无法打开
'''
def ori_video(meizi_url):
headers = {
'Referer': 'https://www.mzitu.com',
'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36'
}
# print(meizi_url)
meizi_html = requests.get(meizi_url,headers = headers).text
end_url = re.findall("<span>(\d+?)</span></a><a href='https://www.mzitu.com/\d*?/2'><span>下一页»",meizi_html)
name_id = re.search('<h2 class="main-title">(.*?)</h2>',meizi_html).group(1)
name = re.sub('!','',name_id)
print(end_url)
end_url = int(end_url[0])
for x in range(1,end_url):
newurl = meizi_url + '/' + str(x)
# print(name)
newurl = meizi_url + '/' + str(x)
# print(newurl)
html = requests.get(newurl,headers = headers).text
end_re = re.findall(r'<div class="main-image"><p><a href=".+?" ><img src="(.*?)"',html)
print(end_re[0])
headers = {
'Referer': 'https://www.mzitu.com',
'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36'
}
# urlretrieve(end_re[0],path+'/'+ str(x)) 不能加请求头
req = request.Request(end_re[0],headers = headers)
response = request.urlopen(req)
fname = end_re[0].split('/')[-1]
print('正在下载: ',fname)
if name not in os.listdir():
os.mkdir(name)
with open(name + '/' + fname, 'wb') as f:
f.write(response.read())
''' 反反爬 设置时间间隔 防止服务器封锁IP或禁止访问'''
time.sleep(1)
# 下载一页的内容
def page_one():
url = 'https://www.mzitu.com/'
headers = {
'Referer': 'https://www.mzitu.com',
'user-agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36'
}
html = requests.get(url,headers = headers).text
# print(html)
ret = re.findall('<li><a href="(.*?)" target="_blank"><img class=',html)
print(ret)
# for meizi_url in ret:
meizi_url = 'https://www.mzitu.com/166998'
ori_video(meizi_url)
# 调用
page_one()
2.面向对象开发的图形化版本
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Created by 秋叶夏风
# 本模块的功能:<带有图形界面的妹子图爬虫程序>
'''
加入了顶部颜色的更改,实现了排它思想
下载按钮在现在中的按钮颜色更改
加上了 一个顶部的转台信息 栏
为了用装饰器而用装饰器那就不叫装饰器了
TODO 显示预览图
'''
# 导包
from tkinter import *
from tkinter import ttk
from tkinter.filedialog import askdirectory
from requests import get
from re import findall
from re import search
from re import sub
from os import listdir
from os import mkdir
from os import path
from urllib.request import Request
from urllib.request import urlopen
from time import sleep
from threading import Thread
class Tk_gui():
def __init__(self):
'''
初始化魔术方法
用于设置界面的初始状态
'''
# 创建tkinter窗口
self.root = Tk()
# 设置窗口的标题
self.root.title('一起来看美女')
# 设置窗口的长和宽,最大值和最小值设置相同,用户不可调整窗口大小
self.root.minsize(780, 370)
self.root.maxsize(780, 570)
# 初始化
self.curr_page = 1
self.page_max = self.get_page_max()
# 初始化主要url
self.curr_url = 'https://www.mzitu.com/'
self.tit_list = s.page_one(self.curr_url)
# 调用主要逻辑执行函数
self.main_logic()
def thread_it(self, func, *args):
'''
将函数打包进线程
:param func:
:param args:
:return:
'''
# 创建
t = Thread(target=func, args=args)
# 守护 !!!
t.setDaemon(True)
# 启动
t.start()
# 阻塞--卡死界面!
# t.join()
def get_save_path(self):
path_ = askdirectory()
Tk_gui.path.set(path_)
def get_page_max(self):
return 50
def main_logic(self):
'''
主业务逻辑
:return:
'''
# 顶部信息栏
topp = Frame()
topp.grid(row=0, column=0)
# 内容栏
self.cont = Frame()
self.cont.grid(row=1, column=0)
# 输入选项操作
self.indo = Frame()
self.indo.grid(row=0, column=1, rowspan=2)
# 状态栏
self.stat = Frame()
self.stat.grid(row=2, column=0)
self.top_menu(topp)
self.stat_info()
self.main_content(self.get_num_list())
self.get_title_list('https://www.mzitu.com')
# 加入主消息循环
self.root.mainloop()
def download(self):
'''
正式下载图片
:return:
'''
self.btn5['background'] = 'pink'
para = self.search()
s.ori_video(para[0], para[1], para[2])
def search(self):
'''
搜索预加载页面中的图片个数
:return:
'''
# print("下载url:")
index = int(self.number_chosen.get()) - 1
# print('index:%d'%index)
url = tit_list[0][index]
para = s.pre_download(url)
self.detail_info["text"] = "本页有" + str(para[0]) + "张图"
return para
def get_title_list(self, url):
'''
获取标题列表内容
:param url:
:return:
'''
global tit_list
tit_list = s.page_one(url)
self.info["text"] = "\n".join(tit_list[1])
def get_num_list(self):
'''
获取数值列表
:return:
'''
num = []
for i in range(1, 25):
num.append(str(i))
num_str = "\n".join(num)
return num_str
def set_top_bg(self,id):
'''
:param id: id 是按钮摆放的位置,int类型的
:return:
'''
# 还原现场
for i in self.button_list:
i['background'] = 'skyblue'
self.button_list[id-1]['background'] = 'pink'
# for i in
# if curr == i:
# i['bg']=='gray'
# else:
# i['bg']==''
pass
def update_page_url(self, option, reg_url):
if option:
if option == 2:
print('下一页')
if self.curr_page < self.page_max:
self.curr_page += 1
elif option == 1:
print('上一页')
if self.curr_page > 1:
self.curr_page -= 1
elif option == 3:
self.curr_page = int(self.page_chosen.get())
if reg_url:
# TODO 设置更新按钮的背景颜色
# 调用set_button_color
# 重置页面数
self.curr_page = 1
self.curr_url = reg_url
if self.curr_page == 1:
url = self.curr_url
else:
url = self.curr_url + 'page/' + str(self.curr_page) + '/'
print(self.curr_page)
self.page_info['text'] = '当前页数:' + str(self.curr_page)
self.get_title_list(url)
def top_menu(self, topp):
'''
用于绘制顶部菜单
:param topp:
:return:
'''
self.button_list = []
# 菜单栏
url_list = {
'推荐': 'https://www.mzitu.com/',
'性感': 'https://www.mzitu.com/xinggan/',
'日本': 'https://www.mzitu.com/japan/',
'台湾': 'https://www.mzitu.com/taiwan/',
'清纯': 'https://www.mzitu.com/mm/'
}
# update_page_url函数是用来更新页面的内容以及后面要下载的url的
menu = Button(topp, text='', font=("Arial", 12), width=1)
menu.grid(row=0, column=0)
def put_button(key, col):
'''
用于画出按钮组件
:param contain:按钮显示的文本内容
:param key: 命令执行的函数选择的键
:param col: 按钮放置的列数
:return:
'''
# self.curr_button = StringVar()
# TODO 怎么解决一个command 执行两个函数的问题
# 这里用is机制的占了个位置,让两个函数都执行,随便返回点啥,我都不要,哈哈哈哈哈
# 之前尝试过用函数的参数传递,但是有点不太好管理
# 后来用的+号,程序报错,虽然界面中看不出来,但是我还是有点强迫症的让他不报错
self.menu = Button(topp, text=key, font=("Arial", 12), width=7,\
command=lambda: self.update_page_url(option=0, reg_url=url_list[key]) is \
self.set_top_bg(col))
self.menu.grid(row=0, column=col)
self.button_list.append(self.menu)
for i in self.button_list:
i['background'] = 'skyblue'
self.button_list[0]['background'] = 'pink'
# if key == self.curr_button:
# menu['background'] = 'gray'
i = 1
for contain in url_list.keys():
put_button(contain, i)
i += 1
#
# 前进和后退,进行页数的更改
# option为标记位,0为不改变
# 顶部的显示当前页数的lable
# 定义成类属性,以便于在Spider类中更改其值
self.page_info = Label(topp, text='', justify="left", \
font=("Arial", 12), width=10)
self.page_info.grid(row=0, column=6)
self.page_info["text"] = '当前页数:1'
def main_content(self, num_str):
'''
主要内容界面,包括数字列表的显示,标题列表的显示以及右边输入框和下载按钮部分
:param num_str:数字列表显示内容
:return:
'''
# 左边的序号栏
one = Label(self.cont, text=num_str, font=("Arial", 12),relief='ridge')
one.grid(row=1, column=0)
# 中间的主要信息栏
'''
relief(可选值为:flat(默认),sunken,raised,groove,ridge),borderwidth(边框的宽度,单位是像素,默认根据系统而定,一般是1或2像素)
'''
self.info = Label(self.cont, text='info', justify="left", \
font=("Arial", 12), width=49,relief='ridge')
self.info.grid(row=1, column=1, columnspan=6)
# 右边的选择栏
# 上面的提升lable
ttk.Label(self.indo, text="\n\n\n选择一个", font=("Arial", 12)).grid(column=0, row=4, columnspan=2)
# 添加一个标签,并将其列设置为1,行设置为0
# 中间的下拉框
number = StringVar()
# 这里直接定义成为类的属性,以便于其他方法中直接获取其选择的页数
self.number_chosen = ttk.Combobox(self.indo, width=12, textvariable=number)
self.number_chosen['values'] = tuple(range(1, 25)) # 设置下拉列表的值
self.number_chosen.grid(column=0, row=5, columnspan=2) # 设置其在界面中出现的位置 column代表列 row 代表行
self.number_chosen.current(0) # 设置下拉列表默认显示的值,0为 numberChosen['values'] 的下标值
# 由于进行了类的封装,所以不需要借用列表的穿透性了
# 直接定义一个类的成员属性即可传递到类中的任何位置
# 这里实时更新当前选中的数字内容,以便于按下下载按钮时能够定位到准确的页面
# TODO 可以优化到其他位置,减少功能模块之间的耦合性
# self.user_choose_num = self.number_chosen.get()
# 点击查询按钮
btn4 = Button(self.indo, text="查询图片个数", font=("Arial", 12),background = 'gray', command=lambda: self.thread_it(self.search))
btn4.grid(column=0, row=6, columnspan=2)
# 外加的详细信息栏
# 这里直接定义成为类的属性,以便于其他方法中直接修改其内容
self.detail_info = Label(self.indo, text='', justify="left", \
font=("Arial", 12), width=10)
self.detail_info.grid(row=7, column=0, columnspan=2)
# 点击下载的按钮
self.btn5 = Button(self.indo, text="下载此页图片", font=("Arial", 12),background = 'gray', command=lambda: self.thread_it(self.download))
self.btn5.grid(column=0, row=12, columnspan=2)
# 外加的详细下载信息栏
# 定义成类属性,以便于在Spider类中更改其值
Tk_gui.terminal_info = Label(self.stat, text='', justify="left", \
font=("Arial", 12))
Tk_gui.terminal_info.grid(row=0, column=0)
Tk_gui.terminal_info["text"] = ''
menu = Button(self.indo, text=" 上一页", font=("Arial", 12), background='gray',
command=lambda: self.thread_it(lambda: self.update_page_url(option=1, reg_url='')))
menu.grid(row=0, column=0)
menu = Button(self.indo, text="下一页 ", font=("Arial", 12), background='gray',
command=lambda: self.thread_it(lambda: self.update_page_url(option=2, reg_url='')))
menu.grid(row=0, column=1)
# 添加一个标签,并将其列设置为1,行设置为0
# 中间的下拉框
page = StringVar()
# 这里直接定义成为类的属性,以便于其他方法中直接获取其选择的页数
self.page_chosen = ttk.Combobox(self.indo, width=12, textvariable=page)
self.page_chosen['values'] = tuple(range(1, self.page_max + 1)) # 设置下拉列表的值
# 设置其在界面中出现的位置 column代表列 row 代表行
self.page_chosen.grid(row=2, column=0, columnspan=2)
# 设置下拉列表默认显示的值,0为 numberChosen['values'] 的下标值
self.page_chosen.current(0)
menu = Button(self.indo, text=" 跳转到此页 ", font=("Arial", 12),background = 'gray',
command=lambda: self.update_page_url(option=3, reg_url=''))
menu.grid(row=3, column=0, columnspan=2)
# 用于指定下载路径
Tk_gui.path = StringVar()
#
Label(self.indo, text="目标路径:", font=("Arial", 12)). \
grid(row=9, column=0, columnspan=2)
Entry(self.indo, textvariable=self.path, width=15). \
grid(row=10, column=0, columnspan=2)
Button(self.indo, text="更改下载路径", font=("Arial", 12), background='gray', command=self.get_save_path). \
grid(row=11, column=0, columnspan=2)
# 初始化保存路径
Tk_gui.path.set(path.dirname(__file__))
def stat_info(self):
# 外加的详细下载信息栏
# 定义成类属性,以便于在Spider类中更改其值
Tk_gui.stat_info = Label(self.stat, text='', justify="left", \
font=("Arial", 12))
Tk_gui.stat_info.grid(row=0, column=0)
Tk_gui.stat_info["text"] = ''
class Spider():
def pre_download(self, meizi_url):
self.headers = {
'Referer': 'https://www.mzitu.com',
'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36'
}
# print(self.meizi_url)
meizi_html = get(meizi_url, headers=self.headers).text
end_url = findall("<span>(\d+?)</span></a><a href='https://www.mzitu.com/\d*?/2'><span>下一页»", meizi_html)
name_id = search('<h2 class="main-title">(.*?)</h2>', meizi_html).group(1)
name = sub('!', '', name_id)
print("本页的总数:")
end_url = int(end_url[0])
print(end_url)
return end_url, name, meizi_url
def ori_video(self, end_url, name, meizi_url):
# 获取用户选择的路径
choose_dir = Tk_gui.path.get()
# print('选择的路径:', choose_dir)
# 判断文件夹是否存在
# print('lsitdir', listdir(choose_dir))
# name = choose_dir + '/' + name
curr_dir = choose_dir + '/' + name
for x in range(1, end_url + 1):
# 更新详情信息的内容
Tk_gui.terminal_info["text"] = \
'正在下载图片...\t' + '当前进度:' + str(x) + ' / ' + str(end_url)
if name not in listdir(choose_dir):
mkdir(curr_dir)
Tk_gui.terminal_info["text"] = '创建文件夹:'+ curr_dir
self.single(x, name, meizi_url, curr_dir)
Tk_gui.terminal_info["text"] = '图片下载完成,成功保存到'+curr_dir[0:25]+'...'
def single(self, x, name, meizi_url, curr_dir):
newurl = meizi_url + '/' + str(x)
html = get(newurl, headers=self.headers).text
end_re = findall(r'<div class="main-image"><p><a href=".+?" ><img src="(.*?)"', html)
print(end_re[0])
# urlretrieve(end_re[0],path+'/'+ str(x)) 不能加请求头
req = Request(end_re[0], headers=self.headers)
response = urlopen(req)
fname = end_re[0].split('/')[-1]
print('正在下载: ', fname)
# 文件夹名字前面加上所选择的路径
with open(curr_dir + '/' + fname, 'wb') as f:
f.write(response.read())
''' 反反爬 设置时间间隔 防止服务器封锁IP或禁止访问'''
# sleep(1)
def page_one(self, url):
'''
# 下载一页的内容
:param url:
:return:
'''
# url = 'https://www.mzitu.com/'
# url = 'https://www.mzitu.com/page/2/'
headers = {
'Referer': 'https://www.mzitu.com',
'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36'
}
html = get(url, headers=headers).text
# print(html)
ret = findall('<li><a href="(.*?)" target="_blank"><img class=', html)
tit = findall("<li><a.*?alt=\'(.*?)\'", html)
return ret, tit
# 实例化对象
s = Spider()
t = Tk_gui()