One Day

黑盒子

import urllib.request
import os
import re
import base64

def url_open(url):
    # 添加文件头
    req = urllib.request.Request(url)
    req.add_header('User-Agent',
                   'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36')
    # 访问页面
    response = urllib.request.urlopen(req)
    html = response.read()
    return html

# 获取页码
def get_page(url):
    html = url_open(url).decode('utf-8')
    a = r'<span class="current-comment-page">\[(\d+)]'
    num = re.findall(a,html)
    return num[0]

# 获取图片地址
def find_imgs(url):
    html = url_open(url).decode('utf-8')
    a = r'<img src="([^"]+\.jpg)"'
    img_urls = re.findall(a,html)
    return img_urls

# 保存图片
def save_imgs(folder, img_addrs):
    for each in img_addrs:
        filename = each.split('/')[-1]
        with open(filename,'wb') as f:
            each_url = 'http:' + each
            img = url_open(each_url)
            f.write(img)

def download_mm(folder='ooxx', pages=20):
    # 创建文件夹
    os.mkdir(folder)
    # 保存文件夹
    os.chdir(folder)

    url = 'http://jandan.net/ooxx/'
    # 获取页码
    page_num = int(get_page(url))

    for i in range(pages):
        page_num -= 1
        # 进行base64加密
        num = '20200901-' + str(page_num)
        bytes_num = num.encode('utf-8')
        str_num = base64.b64encode(bytes_num).decode('utf-8')
        # 获取下一页地址
        page_url = url + str_num + '#comments'
        # 获取页面内图片地址
        img_addrs = find_imgs(page_url)
        # 保存页面到指定的文件夹
        save_imgs(folder, img_addrs)
        # 完毕
        print("煎蛋网第%d页爬取完毕！" % page_num)
    print("结束退出！^_^")

# 调用主函数
if __name__ == '__main__':
    download_mm()

主题：煎蛋网随手拍
方法：re正则表达式、os模块文件的函数、base64解加密
问题1：如何用xpath方法来摹写正则表达式的代码部分呢？
问题2：还可以再进行优化！

每次回帖奖励: 1鱼币, 奖励 10次, 每人最多可获得 1次, 中奖率 50%

黑盒子

hey tui

开心小傻猪

鱼币

心驰神往

hornwong

fall_bernana

真有渔币。。。

1336069416

HLIA

风过无痕1989

鱼币？

cabo

心驰神往

支持

wzdr

wzdr

Chysial

一群为了鱼币的家伙，我只是本着批判的眼光来看待问题，如果楼主给个鱼币，我也会说一句真香。

哎呦喂喂

学习学习

芒果鹏

鱼币