鱼C论坛

 找回密码
 立即注册
查看: 1077|回复: 2

[已解决]python爬虫,re模块获取网址

[复制链接]
发表于 2021-8-20 21:09:51 | 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. import requests
  2. import parsel
  3. import re
  4. headers = {
  5.     "User-Agent": "Mozilla / 5.0(Windows NT 10.0; Win64; x64) AppleWebKit / 537.36(KHTML, like Gecko) Chrome / 80.0.3987.122  Safari / 537.40"
  6. }#UA伪装
  7. url = 'https://www.leshe.us/?ref=214'#乐摄网
  8. response = requests.get(url=url,headers=headers)
  9. selector = parsel.Selector(response.text)
  10. lis = list(selector.css('.row.posts-wrapper div article'))



  11. for li in lis:
  12.     urls2 = li.css('a::attr(href)').get()
  13.     response2 = requests.get(url=urls2,headers=headers)
  14.     text = response2.text
  15.     print(text)
  16.     print('--------------------------')
  17.     photo = re.findall('data-srcset="(.*?)" title',text)#这里有问题,photo获取不到想要的网址
  18.     print(photo)
复制代码


获取不到网址,photo返回的是空列表
最佳答案
2021-8-21 15:19:17
本帖最后由 suchocolate 于 2021-8-21 15:20 编辑
  1. # _*_ coding: utf-8 _*_
  2. # Developer: suchocolate
  3. # Date: 2021-08-21 14:26
  4. # File name: test.py
  5. # Development tool: PyCharm

  6. import requests
  7. import re
  8. import os
  9. import time


  10. def main():
  11.     """
  12.     1)先从总页面获取各相册入口。
  13.     2)遍历各个相册获取图片链接。
  14.     3)遍历图片链接下载图片。
  15.     :return:
  16.     """
  17.     pd = 'pics'   # 图片存储路径
  18.     if not os.path.exists(pd):
  19.         os.mkdir(pd)
  20.     os.chdir(pd)
  21.     headers = {'user-agent': 'firefox'}
  22.     pl = []  # 存储相册url
  23.     print('获取相册url...')
  24.     for pn in range(5):  # 想爬多少页的相册自己定,这里爬5页
  25.         try:
  26.             url = f'https://www.leshe.us/page/{pn}'
  27.             r = requests.get(url, headers=headers)
  28.             result = re.findall(r'<a target="_blank" href="(.*?\.html)"', r.text)  # 获取当前页相册url
  29.             pl.extend(result)
  30.             time.sleep(0.3)
  31.         except Exception as e:
  32.             print(e)
  33.     # print(pl)
  34.     jl = []  # 存图片url
  35.     print('获取图片url...')
  36.     for pu in pl:
  37.         try:
  38.             r = requests.get(pu, headers=headers, timeout=5)
  39.             result = re.findall(r'data-srcset="(.*?)"', r.text)  # 获取当前页面图片的url
  40.             jl.extend(result)
  41.             time.sleep(0.3)
  42.         except Exception as e:
  43.             print(e)
  44.     # print(jl)
  45.     n = 1  # 图片计数
  46.     print(f'共{len(jl)}张图片,开始下载!')
  47.     for j in jl:
  48.         r = requests.get(j, headers=headers)
  49.         jn = j.split('/')[-1]  # 图片的名字由url最后的字段决定
  50.         with open(jn, 'wb') as f:
  51.             f.write(r.content)
  52.         print(f'已下载{jn}, 共下载{n}张图片。')
  53.         n += 1


  54. if __name__ == '__main__':
  55.     main()
复制代码
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

发表于 2021-8-21 12:22:56 | 显示全部楼层
这个网站有反扒   不是常规静态网站
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2021-8-21 15:19:17 | 显示全部楼层    本楼为最佳答案   
本帖最后由 suchocolate 于 2021-8-21 15:20 编辑
  1. # _*_ coding: utf-8 _*_
  2. # Developer: suchocolate
  3. # Date: 2021-08-21 14:26
  4. # File name: test.py
  5. # Development tool: PyCharm

  6. import requests
  7. import re
  8. import os
  9. import time


  10. def main():
  11.     """
  12.     1)先从总页面获取各相册入口。
  13.     2)遍历各个相册获取图片链接。
  14.     3)遍历图片链接下载图片。
  15.     :return:
  16.     """
  17.     pd = 'pics'   # 图片存储路径
  18.     if not os.path.exists(pd):
  19.         os.mkdir(pd)
  20.     os.chdir(pd)
  21.     headers = {'user-agent': 'firefox'}
  22.     pl = []  # 存储相册url
  23.     print('获取相册url...')
  24.     for pn in range(5):  # 想爬多少页的相册自己定,这里爬5页
  25.         try:
  26.             url = f'https://www.leshe.us/page/{pn}'
  27.             r = requests.get(url, headers=headers)
  28.             result = re.findall(r'<a target="_blank" href="(.*?\.html)"', r.text)  # 获取当前页相册url
  29.             pl.extend(result)
  30.             time.sleep(0.3)
  31.         except Exception as e:
  32.             print(e)
  33.     # print(pl)
  34.     jl = []  # 存图片url
  35.     print('获取图片url...')
  36.     for pu in pl:
  37.         try:
  38.             r = requests.get(pu, headers=headers, timeout=5)
  39.             result = re.findall(r'data-srcset="(.*?)"', r.text)  # 获取当前页面图片的url
  40.             jl.extend(result)
  41.             time.sleep(0.3)
  42.         except Exception as e:
  43.             print(e)
  44.     # print(jl)
  45.     n = 1  # 图片计数
  46.     print(f'共{len(jl)}张图片,开始下载!')
  47.     for j in jl:
  48.         r = requests.get(j, headers=headers)
  49.         jn = j.split('/')[-1]  # 图片的名字由url最后的字段决定
  50.         with open(jn, 'wb') as f:
  51.             f.write(r.content)
  52.         print(f'已下载{jn}, 共下载{n}张图片。')
  53.         n += 1


  54. if __name__ == '__main__':
  55.     main()
复制代码
小甲鱼最新课程 -> https://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, 2025-6-19 22:15

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表