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)       a = html.find('current-comment-page')     b = 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 = []       a = html.find('img src=')       while a != -1:         b = html.find('.jpg',a,a +255')         if b !=-1:             img_addrs.append(html[a+9:b+4])         else:             b = a +9           a = 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 i 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()