OOXX网站爬妹子图，80%的内容都是自己考虑的，希望大家看看咋样

TJBEST

根据小甲鱼推荐的网站设计的下载程序，没有考虑代理所以比较简陋，80%的设计流程是我自己想的没看小甲鱼设计的流程，不过小甲鱼正则表达式文章真是太6了，帮助真大
exe版本我也弄了，传不上去，大家觉得有用可以自己打包。

1. import urllib.request
   
2. import os
   
3. import re
   
4. class downLoadOOXX():
   
5.     def __init__(self):
   
6.         self.__page = 0#page当前访问的第几页
   
7.         self.__url = 'http://jandan.net/ooxx/MjAxOTEyMjItMQ==#comments'#应该是第一页的页面地址
   
8.         self.__nexturl = None #下一页的地址 为下一次下载存储网址
   
9.         self.__picurl = []#存储照片地址的列表
   
10.         self.__dir = '.\\OOXX'#存储照片的文件夹
    
11.         self.__headers = {}#头文件
    
12.         self.__headers['User-Agent'] = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36'
    
13.         
    
14.     def __getResponse(self):#获取html语句
    
15.         req = urllib.request.Request(self.__url,headers = self.__headers)
    
16.         response = urllib.request.urlopen(req)
    
17.         self.__page += 1#获取的页数增加
    
18.         html = response.read().decode('utf-8')
    
19.         return html
    
20.     def __anaylist(self,html):#分析语句
    
21.         #利用正则表达式 获取图片和下一页的网址
    
22.         #找到下一页的位置并赋值
    
23.         nextUrlPattern = re.compile(r'<a title="Newer Comments" href="(//jandan.net/ooxx/\w+==#comments)" class="next-comment-page">上一页</a>')
    
24.         matchResult = nextUrlPattern.search(html)
    
25.         self.__nexturl = 'http:' + matchResult.group(1)
    
26.         #或得图片的网址：
    
27.         picUrlPattern = re.compile(r'<span class="righttext"><a href="/t/\d+">\d+</a></span><p><a href="(//\w+\.sinaimg\.cn/\w+/\w+\.jpg)" target="_blank" class="view_img_link" referrerPolicy="no-referrer">')
    
28.         matchResult = picUrlPattern.finditer(html)
    
29.         for eachPic in matchResult:
    
30.             self.__picurl.append('http:' + eachPic.group(1))
    
31.     def __downLoad(self):#下载图片
    
32.         try:
    
33.             os.mkdir(self.__dir)#创建文件夹：
    
34.         except Exception as reason:
    
35.             pass
    
36.         #下载图片
    
37.         try:
    
38.             os.mkdir(self.__dir + '\\' + str(self.__page))#创建子文件夹：
    
39.         except Exception as reason:
    
40.             pass
    
41.         index = 1
    
42.         for eachPic in self.__picurl:
    
43.             req = urllib.request.Request(eachPic,headers = self.__headers)
    
44.             response = urllib.request.urlopen(req)
    
45.             picName = self.__dir + '\\' + str(self.__page) + '\\' + str(self.__page) + '_' + str(index)+ '.jpg'
    
46.             with open(picName,'wb') as f:
    
47.                 f.write(response.read())
    
48.             index += 1
    
49.     def action(self,number):#number是一次下载几页 具体的动作页
    
50.         index = 0
    
51.         while index<number:
    
52.             html = self.__getResponse()#获取html语句 string
    
53.             self.__anaylist(html) #分析语句 完成self.__picurl的填写 和 self.__nexturl的记录
    
54.             self.__downLoad()#下载图片
    
55.             self.__url = self.__nexturl
    
56.             self.__picurl = []
    
57.             index = index + 1
    
58. print('嘿嘿，这是下载美图的爬虫哦')
    
59. test = downLoadOOXX()
    
60. try:
    
61.     number = int(input('请输入下载页数'))
    
62.     test.action(number)
    
63. except ValueError as reason:
    
64.     print('呀出错了，请您输入整数')
    
65. else:
    
66.     print('下载成功！')
    
67. while True:
    
68.     status = input('是否继续下载：（y/n）y是，n否:')
    
69.     if status == 'y':
    
70.         try:
    
71.             number = int(input('请输入下载页数'))
    
72.             test.action(number)
    
73.         except ValueError as reason:
    
74.             print('呀出错了，请您输入整数')
    
75.         else:
    
76.             print('下载成功！')
    
77.     elif status == 'n':
    
78.         break
    
79.     else:
    
80.         print('请正确选择是否继续下载')

复制代码

非常灰太狼

厉害厉害

H404

有特意回复一下子，，奥利给！！！

kodidi

第9 页以后  url 变了，你的正则表达式要改，不然爬不了 ！nextUrlPattern = re.compile(r'<a title="Newer Comments" href="(//jandan.net/ooxx/\w+==#comments)" class="next-comment-page">上一页</a>') 索性 nextUrlPattern = re.compile(r'<a title="Newer Comments" href="(//jandan.net/ooxx/.+=#comments)" class="next-comment-page">上一页</a>'), 就ok了

zhao19628

你是第一个程序可用的！！赞一个