里面的图片该如何实现翻页处理
本帖最后由 赤坂Dragon 于 2021-5-21 17:03 编辑#-*- codeing = utf-8 -*-
import time
from bs4 import BeautifulSoup
import requests
import parsel
import re
import os
for page in range(1,12):
print(f'==========正在爬取第{page}页的图片==========')
url = f'https://www.tupianzj.com/bizhi/DNmeinv/list_77_{page}.html'
headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'}
response = requests.get(url=url,headers=headers)
html_data = response.text
#print(html_data)
a = []
c = []
selector = parsel.Selector(html_data)
href_list = selector.xpath('//div[@class="list_con_box"]/ul/li/a/@href').getall()
for i in href_list:
img_url = f'https://www.tupianzj.com{i}'
a.append(img_url)
#print(a)
for tite in range(0,int(len(a))):
response_tite = requests.get(url=a,headers=headers)
html_data_tite = response_tite.text
selector_tite = parsel.Selector(html_data_tite)
href_list_tie = selector_tite.xpath('//div[@class="list_con_hot"]/ul/div/li/a/@href').getall()
b = ['https://www.tupianzj.com'+x for x in href_list_tie]
#print(b)
c.extend(b)
#print(c)
for p in c:
img_url_1 = 'p'
response_tite_q =requests.get(url=p,headers=headers)
html_data_tite_1 = response_tite_q.text
#print(html_data_tite_1)
selector_1 = parsel.Selector(html_data_tite_1)
href_list_y = selector_1.xpath('//div[@class="pictu900"]/center/div/div/a/img/@src').get()
#print(href_list_y)
img_url_v = requests.get(url=href_list_y,headers=headers).content
file_name = href_list_y.split('/')[-1]
with open('img\\' + file_name, mode='wb') as f:
f.write(img_url_v)
print('保存完成',file_name)
这是我目前写的源代码,目前只能爬取每页的第一张图片
https://www.tupianzj.com/bizhi/DNmeinv/这是目标网页
请问该如何实现里面图片的翻页处理，网上学的不适用于这种规则
看了下网站，实际上你完全不需要先获取外部的 url 然后访问后再爬取图片 url 在访问写入
你直接在外面右击查看下图片原链接，发现点进去后的链接和外面原链接相同，那么我们直接爬外部的即可
参考代码：
#-*- codeing = utf-8 -*-
import requests
import parsel
for page in range(1,12):
print(f'==========正在爬取第{page}页的图片==========')
url = f'https://www.tupianzj.com/bizhi/DNmeinv/list_77_{page}.html'
headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'}
response = requests.get(url=url,headers=headers)
html_data = response.text
selector = parsel.Selector(html_data)
href_list = selector.xpath('//div[@class="list_con_box"]/ul/li/a/img/@src').getall()
for p in href_list:
response_tite_q =requests.get(url=p,headers=headers)
img_url_v = response_tite_q.content
file_name = p.split('/')[-1]
with open('img\\' + file_name, mode='wb') as f:
f.write(img_url_v)
print('保存完成',file_name)
Twilight6 发表于 2021-5-21 17:38
看了下网站，实际上你完全不需要先获取外部的 url 然后访问后再爬取图片 url 在访问写入
你直接在外面 ...
关于在外面右击查看下图片原链接的这一步是如何操作的，能用截图的方式演示一下吗 赤坂Dragon 发表于 2021-5-21 20:27
关于在外面右击查看下图片原链接的这一步是如何操作的，能用截图的方式演示一下吗
图中是一种方法，直接检查找到源代码节点：
你也可以直接右击点复制图片地址，然后点进去 也复制一次图片地址，两 URL 进行比较
Twilight6 发表于 2021-5-21 20:32
图中是一种方法，直接检查找到源代码节点：
你说的是这样的图片吗,如果是的话那这不是我要爬取的图片，我现在爬取的是https://www.tupianzj.com/meinv/20151025/30833.html这样的网页里的每张照片，不过这个网页第一张的url和后面的url没有关联，不知道该怎么修改 赤坂Dragon 发表于 2021-5-22 00:15
你说的是这样的图片吗,如果是的话那这不是我要爬取的图片，我现在爬取的是https://www.tupianzj.com/mein ...
这有关联吧，只有第一张没有 _数字 ，后续的和页码对应上的
参考代码：#-*- codeing = utf-8 -*-
import requests
import parsel
import re
url = 'https://www.tupianzj.com/meinv/20151025/30833.html'
headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'}
response = requests.get(url=url,headers=headers)
response.encoding = "gb2312"
html_data = response.text
max_page = int(re.findall('共(\d+)页',html_data))
base_url = 'https://www.tupianzj.com/meinv/20151025/30833_{}.html'
href_list = []
for page in range(1,max_page+1):
response = requests.get(url=url,headers=headers)
html_data = response.text
selector = parsel.Selector(html_data)
href = selector.xpath('//div[@id="bigpic"]/a/img/@src').getall()
href_list.append(href)
url = base_url.format(page+1)
for p in href_list:
response_tite_q =requests.get(url=p,headers=headers)
img_url_v = response_tite_q.content
file_name = p.split('/')[-1]
with open(file_name, mode='wb') as f:
f.write(img_url_v)
print('保存完成',file_name)
Twilight6 发表于 2021-5-22 14:29
这有关联吧，只有第一张没有 _数字 ，后续的和页码对应上的
参考代码：
大致的理解是这样吗 赤坂Dragon 发表于 2021-5-22 15:59
大致的理解是这样吗
嗯嗯 可以的~
页:
[1]