|
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
先上代码
- import urllib.request
- import requests
- import re
- import os
- #####get_pagelist、get_postlist、get_imglist######
- def get_html(url):
- res = requests.get(url)
- return res.text
- def down(url):
- url = pagelist[0] #设定url为pagelist列表中第一个
- posttemp = re.compile(r'<a href="(/meituisiwatupian/\d+/\d+\.html)" t')
- html = get_html(url)#定义html命令为获取url源代码
- postlistx = re.findall(posttemp,html)
- for post in postlistx:
- post = 'http://www.tu11.com/' + str(post)
- img = get_html(post)
- imgfind = r'src="(http://img15.haotuwu.com:8080/picture/\d+/\w+[^"]+.jpg)"'
- img = re.findall(imgfind,img)
- for down in img:
- filename = down.split("/")[-1]
- urllib.request.urlretrieve(down,filename,None)
-
- if __name__=='__main__':
- page = 1
- pagelist = []
- while True:
- if page > 10:
- break
- url = "http://www.tu11.com/meituisiwatupian/list_2_" + str(page) + ".html"
- pagelist.append(url)
- page += 1
- down(url)
复制代码
代码写的有点乱,基本思路是从main开始,构建一个页面列表pagelist,然后传入down函数,在down函数中构建一个postlistx列表,用拼接方式加上域名存为post列表,然后进入post列表中第一项,然后查找该帖子中所有.jpg
问题来了,现在程序跑起来的时候,仅得到了post列表中的第一个.jpg文件的地址,然后就去找post列表中第二个帖子去了。。。。
到底是哪里出错了呢?还是某个语句不该放在这个循环里?
老实说,没明白你的意思。再说了人家网站也反爬。
如果你想爬所有页 应该是这样
- def down(urls):
- for url in urls:
- posttemp = re.compile(r'<a href="(/meituisiwatupian/\d+/\d+\.html)" t')
- html = get_html(url)#定义html命令为获取url源代码
- postlistx = re.findall(posttemp,html)
- for post in postlistx:
- post = 'http://www.tu11.com/' + str(post)
- img = get_html(post)
- imgfind = r'src="(http://img15.haotuwu.com:8080/picture/\d+/\w+[^"]+.jpg)"'
- img = re.findall(imgfind,img)
- for down in img:
- filename = down.split("/")[-1]
- urllib.request.urlretrieve(down,filename,None)
-
- if __name__=='__main__':
- page = 1
- pagelist = []
- while True:
- if page > 10:
- break
- url = "http://www.tu11.com/meituisiwatupian/list_2_" + str(page) + ".html"
- pagelist.append(url)
- page += 1
- down(pagelist)
复制代码
|
|