鱼C论坛

 找回密码
 立即注册
查看: 1300|回复: 1

[作品展示] 新手写的妹纸爬虫,轻喷.

[复制链接]
发表于 2019-2-23 05:06:14 | 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
需要安装 EASYGUI .
安装方法:https://fishc.com.cn/forum.php?m ... peid%26typeid%3D403

成功展示:
8888.jpg

爬妹纸图.zip

1.18 KB, 下载次数: 3

想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2019-2-23 05:17:02 | 显示全部楼层

  1. import urllib.request
  2. import urllib.error
  3. import chardet
  4. import re
  5. import easygui as g

  6. def get_response_r(url):
  7.     req = urllib.request.Request(url)
  8.     req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36')
  9.     try:
  10.         response = urllib.request.urlopen(req)
  11.     except HTTPError as e:
  12.         print('The serve couldn\'t fulfill the request.')
  13.         print('Error code: ',e.code)
  14.     except URLError as e:
  15.         print('We failed to reach a server')
  16.         print('Reason: ',e.reason)      
  17.     response_r = response.read()
  18.     return response_r

  19. def get_code(url):
  20.     req = urllib.request.Request(url)
  21.     req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36')
  22.     try:
  23.         response = urllib.request.urlopen(req)
  24.     except HTTPError as e:
  25.         print('The serve couldn\'t fulfill the request.')
  26.         print('Error code: ',e.code)
  27.     except URLError as e:
  28.         print('We failed to reach a server')
  29.         print('Reason: ',e.reason)   
  30.     response_r = response.read()
  31.     encode = chardet.detect(response_r)['encoding']
  32.     return encode

  33. def get_page(url):
  34.     html = get_response_r(url).decode(get_code(url),'ignore')
  35.     page = re.findall(r'page-numbers current\'>(.+)</span>',html)[0]
  36.     return page

  37. def find_imgs(page):
  38.     url = 'https://www.mzitu.com/zipai/comment-page-%s/#comments'%page
  39.     imgs_list = []
  40.     html = get_response_r(url).decode(get_code(url),'ignore')
  41.     imgs_list = re.findall(r'data-original="([^"]+\.jpg)',html)
  42.     return  imgs_list
  43.         
  44. def main():
  45.     url = 'https://www.mzitu.com/zipai/'
  46.     page = int(get_page(url))
  47.     #print('该网页获得的页码为%s\n'%page)
  48.     page = g.integerbox(msg='该网页有妹纸%s页,你想从第几页开始看!!!'%page, title=' ', default=None, lowerbound=0, upperbound=page, image=None, root=None)
  49.     page_num = g.integerbox(msg='你目前在%s页,你要看几页!!!'%page, title=' ', default=None, lowerbound=0, upperbound=page, image=None, root=None)
  50.     file_adress = g.diropenbox(msg='请选择存储路径', title=None, default=None)
  51.     for i in range(page_num):
  52.         if page > 0:
  53.             print('\n当前正在获取第%s页的图片\n'%page)
  54.             imgs_list = find_imgs(page)
  55.             for each_imgs in imgs_list:
  56.                 imgs_name = '\\'.join([file_adress,each_imgs.split('/')[-1]])
  57.                 print(imgs_name)
  58.                 urllib.request.urlretrieve(each_imgs,imgs_name)            
  59.         else:
  60.             print('没有更多的妹纸了!!!')
  61.             break
  62.         page -=1
  63.             
  64. if __name__=='__main__':
  65.     main()

复制代码
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, 2024-3-28 21:07

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表