python简单爬虫实现

1.主要学习这程序的编写思路

a.读取解释网站

b.找到相关页

c.找到图片链接的元素

d.保存图片到文件夹

.....

将每一个步骤都分解出来,然后用函数去实现,代码易读性高.

##代码尽快运行时会报错,还须修改

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
import urllib.request
import os
 
def url_open(url):    #读取解释
    req = urllib.request.Request(url)
 #   req.add_header(\'User-Agent\',\'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/36.0.1985.125 Safari/537.36\')
    response = urllib.request.urlopen(req)
    html = response.read()
 
    return html
 
def get_page(url):   #找到相关页
    html = url_open(url)
 
    = html.find('current-comment-page')
    = html.find(a)
 
    return html[a:b]
 
 
def find_imgs(url):  #找到图片链接的元素
    html = url_open(url)
    img_addrs = []
 
    = html.find('img src=')
 
    while a != -1:
        = html.find('.jpg',a,a +255')
        if b !=-1:
            img_addrs.append(html[a+9:b+4])
        else:
            = +9
 
        = html.find('img src=',b')
 
    return img_addrs
 
def save_imgs(folder, img_addrs):   #保存图片到文件夹
    for each in img_addrs:
        filename = each.split('\'/\'')
        with open(filename,'wb') as f:
            img =url_open(each)
            f.write(img)
 
 
def download_mm(folder='OOXX',pages=10):
    os.mkdir(folder)
    os.chdir(folder)
 
    url = 'http://jandan.net/ooxx/'
    page_num = int(get_page(url))
 
    for in range(pages):
        page_num -= i
        page_url = url + 'page-' + str(page_num) + '#comments'
        img_addrs = find_imgs(page_url)
        save_imgs(img_addrs)
 
if __name__ == '__main__':
    download_mm()
posted @ 2016-02-01 19:14  随风9  阅读(200)  评论(0编辑  收藏  举报