鱼C论坛

 找回密码
 立即注册
查看: 2425|回复: 1

[技术交流] 煎蛋网 爬虫练习更新

[复制链接]
发表于 2020-8-8 20:29:46 | 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
import urllib.request
import os

def url_open(url):
    
    req=urllib.request.Request(url)
    req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36 Edge/18.18363')
    response = urllib.request.urlopen(req)
    html = response.read()
    
    return html

def get_page(url):
    html = url_open(url).decode('utf-8')
    
    a = html.find('Older Comments')+39
    b = html.find('"',a)
    print(html[a:b])
    return html[a:b]

def find_imgs(url):
    
    html = url_open(url).decode('utf-8')
    img_addrs = []
    a = html.find('img src=')
    
    while a != -1:
        b = html.find('.jpg',a,a+255)
        if b != -1:
            img_addrs.append("http:"+html[a+9:b+4])
        else:
            b = a+9
        a = html.find("img src=",b)
        
    return img_addrs

def save_imgs(folder, img_addrs):
    for each in img_addrs:
        print(each)
        filename = each.split('/')[-1]    #取最后一个部分
        with open(filename,'wb') as f:
            img=url_open(each)
            f.write(img)

def download_mm(folder='2', pages=10):
    os.mkdir(folder)
    os.chdir(folder)

    url = "/MjAyMDA4MDgtMTMx#comments"
    
    for i in range(pages):
        page_url = 'http://jandan.net/ooxx'+url
        print(page_url)
        img_addrs = find_imgs(page_url)
        save_imgs(folder, img_addrs)
        url = get_page(page_url)
        print(url)
        
download_mm()
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2020-8-13 21:36:46 | 显示全部楼层
不错,进来学习一下
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

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, 2025-1-19 11:04

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表