鱼C论坛

 找回密码
 立即注册
查看: 2984|回复: 10

[作品展示] 昨天又去爬了下,我学习爬虫后,爬的第一个网站,知道是那个吗?

[复制链接]
发表于 2019-6-1 23:05:09 | 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

不要宣扬,放过头来看当初爬它的时候, 各种百度,各种难题,哈哈,回过头来,这种静态的已经是so easy 了,还能变着花样爬它。
from lxml import etree
from OpenSSL import SSL
import requests
import re
import time
import os

HEADERS = {
    'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36",
    'Referer': 'http://www.mzitu.com'
}
QUANTITY =220#图集页数  每页/24

FILE_PATH = None #下载路径,请设置绝对路径,默认以当前绝对路径做保存



def get_path(name,num=" "):
    '''
    当num为None时,用来查询目录是否存在
    :param name:
    :param num:
    :return:
    '''
    currrent_path = os.path.realpath(__file__)  # 文件绝对路径
    current_dir = os.path.split(currrent_path)[0]
    file_path = os.path.join(current_dir, name)
    if num==" ":
        if not os.path.exists(file_path):
            return False
    if FILE_PATH is None:
        if not os.path.exists(file_path):
            os.makedirs(file_path)
    else:
        file_path = FILE_PATH
    return os.path.join(file_path,num) + ".jpg"

def get_response(url):
    """返回URL响应"""
    time.sleep(2)
    return requests.get(url=url,headers=HEADERS)

def atlas():
    '''
    :yield:图集下载的地址
    '''
    for i in range(QUANTITY):
        url = "https://www.mzitu.com/page/{page}/".format(page=i)
        response = get_response(url=url).text
        imgurl_list = re.findall(r'<li><a href="(.*?)" target="_blank">',response)
        imgname_list = re.findall(r"alt='(.*?)' width=",response)
        for img_naem,img_url in zip(imgname_list,imgurl_list):
            item = {}
            item["name"] = img_naem
            print(img_naem)
            # if not get_path(name=img_naem):
            #     break
            item["img_url"] = img_url
            yield item


def get_download_url(item):
    """
    :param url:图片url
    :return:  图集下载地址
    """
    response = get_response(url=item["img_url"]).text
    etre = etree.HTML(response)
    num = etre.xpath("//div[@class='pagenavi']/a[5]/span/text()")
    for i in range(0,int(num[0])+1):
        item["download"] = item["img_url"]+ "/" + str(i)
        item["number"] = str(i)
        yield item


def download(item):
    headers = {
        'User-Agent': "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36",
        'Referer': item["download"]
    }
    try:
        time.sleep(2)
        etre = etree.HTML(requests.get(url=item["download"],headers=headers).text)
        download_url = etre.xpath("//div[@class='main-image']/p/a/img/@src")[0]
        response = requests.get(url=download_url,headers=headers).content
        file_path = get_path(item["name"],item["number"])
        with open(file_path,"wb") as fp:
            fp.write(response)
    except SSL.SysCallError as e:
        print("当前出现错误%s"%e)
        print(item)



def product(c):
    c.send(None)
    for img in atlas():
        c.send(img)
    c.close()


def customer():
    data = ""
    while True:
        n = yield data
        if not n:
            return
        for each in get_download_url(item=n):
            download(each)

def main():
    func = customer()
    product(func)


if __name__ == '__main__':
    main()

本帖被以下淘专辑推荐:

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 2019-6-1 23:54:12 | 显示全部楼层
Traceback (most recent call last):
  File "C:/Users/Administrator/AppData/Local/Programs/Python/Python37-32/Save/1.py", line 1, in <module>
    from lxml import etree
ModuleNotFoundError: No module named 'lxml'
一脸蒙蔽
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

 楼主| 发表于 2019-6-2 00:58:43 | 显示全部楼层
青梅 发表于 2019-6-1 23:54
Traceback (most recent call last):
  File "C:/Users/Administrator/AppData/Local/Programs/Python/Pyt ...

缺少lxml库,安装这个库,pip install lxml  
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 1 反对 0

使用道具 举报

发表于 2019-6-2 23:31:08 | 显示全部楼层
Stubborn 发表于 2019-6-2 00:58
缺少lxml库,安装这个库,pip install lxml

哦  晓得了
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

发表于 2019-6-11 07:35:56 | 显示全部楼层
看不懂,懵了
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

发表于 2019-7-25 11:13:24 | 显示全部楼层
大佬进步神速
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

发表于 2019-9-14 21:44:48 | 显示全部楼层
进步神速,厉害
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

发表于 2019-11-6 19:05:43 | 显示全部楼层
Traceback (most recent call last):
  File "C:/Users/14028/Desktop/爱词霸.py", line 2, in <module>
    from OpenSSL import SSL
ModuleNotFoundError: No module named 'OpenSSL
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

 楼主| 发表于 2019-11-6 19:23:04 | 显示全部楼层
解技 发表于 2019-11-6 19:05
Traceback (most recent call last):
  File "C:/Users/14028/Desktop/爱词霸.py", line 2, in
    from ...

pip install OpenSSl  少一个库
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

发表于 2019-11-6 20:26:12 | 显示全部楼层
Stubborn 发表于 2019-11-6 19:23
pip install OpenSSl  少一个库

ERROR: Could not find a version that satisfies the requirement OpenSSL (from versions: none)
ERROR: No matching distribution found for OpenSSL
不知道为什么安装不了
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

 楼主| 发表于 2019-11-6 20:44:15 | 显示全部楼层
解技 发表于 2019-11-6 20:26
ERROR: Could not find a version that satisfies the requirement OpenSSL (from versions: none)
ERRO ...

那就不要了,在89行,异常捕捉,直接用except:   不指定具体错误。
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, 2024-11-24 12:24

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表