鱼C论坛

 找回密码
 立即注册
查看: 1392|回复: 0

[原创] 煎蛋网妹子图的抓取

[复制链接]
发表于 2018-7-23 22:23:31 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
  1. from selenium import webdriver
  2. from selenium.webdriver.common.by import By
  3. from selenium.webdriver.support import expected_conditions as EC
  4. from selenium.webdriver.support.wait import WebDriverWait
  5. from selenium.common.exceptions import TimeoutException
  6. import time
  7. import requests
  8. import os

  9. '''屏蔽掉浏览器界面'''
  10. URL = 'http://jandan.net/ooxx'
  11. chrome_options = webdriver.ChromeOptions()
  12. chrome_options.add_argument('--headless')
  13. browser = webdriver.Chrome(chrome_options = chrome_options)
  14. wait = WebDriverWait(browser, 10)
  15. browser.get(URL)


  16. def next_page():  # 点击下一页
  17.     button = wait.until(EC.element_to_be_clickable((By.CLASS_NAME, 'previous-comment-page')))
  18.     return button


  19. def cur_page():  # 获取当前页数
  20.     page = wait.until(EC.presence_of_element_located((By.CLASS_NAME, 'current-comment-page')))
  21.     return page.text


  22. def parse_html(lyst):
  23.     """
  24.     :param img:单个图片链接
  25.     :param lyst:存储图片链接
  26.     """
  27.     imgs_info = browser.find_elements_by_xpath('//*[@id="comments"]/ol/li//p/img')
  28.     for img in imgs_info:
  29.         img = img.get_attribute('src')
  30.         if img[len(img) - 3:] == 'jpg':  # 剔除广告的'.gif'图片
  31.             lyst.append(img)


  32. def dowmloader(url):
  33.     '''图片下载'''
  34.     try:
  35.         response = requests.get(url)
  36.         if response.status_code == 200:
  37.             return response.content
  38.         return None
  39.     except Exception:
  40.         pass


  41. def save_img(img_content, num):
  42.     '''
  43.     :param img_content:二进制数据
  44.     :param num:图片保存的次序
  45.     '''
  46.     with open(str(num) + '.jpg', 'wb') as f:
  47.         f.write(img_content)


  48. def jandan_crawlers(lyst):
  49.     '''
  50.     :param FLAG:抓取网页页数
  51.     '''
  52.     try:
  53.         current_page = cur_page()
  54.         FLAG = int(current_page[1:len(current_page) - 1])
  55.         while FLAG:
  56.             print('正在抓取煎蛋网第%d页图片' % FLAG)
  57.             parse_html(lyst)
  58.             time.sleep(3)
  59.             button = next_page()
  60.             button.click()
  61.             FLAG -= 1
  62.             if FLAG == 1:
  63.                 jandan_crawlers(lyst)
  64.                 FLAG = False
  65.         return lyst
  66.     except TimeoutException:
  67.         pass


  68. if __name__ == '__main__':
  69.     os.chdir('picture')  # 切换图片的保存路径
  70.     lyst = []
  71.     num = 1
  72.     url_info = jandan_crawlers(lyst)
  73.     for url in url_info:
  74.         img_content = dowmloader(url)
  75.         print('正在保存图片:' + str(num) + '.jpg')
  76.         save_img(img_content, num)
  77.         num += 1
  78.     print('煎蛋网图片抓取完成')
  79.     browser.close()
复制代码
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2024-6-1 23:46

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表