设为首页收藏本站
切换到窄版

鱼C论坛

 找回密码
 立即注册
鱼C论坛»论坛 › 编程语言专区 › Python交流 › 里面的图片该如何实现翻页处理
返回列表 发新帖
查看: 2908|回复: 7

[已解决]里面的图片该如何实现翻页处理

[复制链接]
赤坂Dragon
发表于 2021-5-21 17:02:06 | 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
本帖最后由 赤坂Dragon 于 2021-5-21 17:03 编辑
  1. #-*- codeing = utf-8 -*-
  2. import time
  3. from bs4 import BeautifulSoup

  5. import requests
  6. import parsel
  7. import re
  8. import os
  9. for page in range(1,12):
  10.     print(f'==========正在爬取第{page}页的图片==========')
  11.     url = f'https://www.tupianzj.com/bizhi/DNmeinv/list_77_{page}.html'
  12.     headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'}

  14.     response = requests.get(url=url,headers=headers)
  15.     html_data = response.text
  16.     #print(html_data)
  17.     a = []
  18.     c = []
  19.     selector = parsel.Selector(html_data)
  20.     href_list = selector.xpath('//div[@class="list_con_box"]/ul/li/a/@href').getall()
  21.     for i in href_list:
  22.         img_url = f'https://www.tupianzj.com{i}'
  23.         a.append(img_url)
  24.     #print(a)
  25.     for tite in range(0,int(len(a))):
  26.         response_tite = requests.get(url=a[tite],headers=headers)
  27.         html_data_tite = response_tite.text
  28.         selector_tite = parsel.Selector(html_data_tite)
  29.         href_list_tie = selector_tite.xpath('//div[@class="list_con_hot"]/ul/div/li/a/@href').getall()
  30.         b = ['https://www.tupianzj.com'+x for x in href_list_tie]
  31.         #print(b)
  32.         c.extend(b)
  33.     #print(c)
  34.     for p in c:
  35.         img_url_1 = 'p'
  36.         response_tite_q =requests.get(url=p,headers=headers)
  37.         html_data_tite_1 = response_tite_q.text
  38.         #print(html_data_tite_1)
  39.         selector_1 = parsel.Selector(html_data_tite_1)
  40.         href_list_y = selector_1.xpath('//div[@class="pictu900"]/center/div/div/a/img/@src').get()
  41.         #print(href_list_y)
  42.         img_url_v = requests.get(url=href_list_y,headers=headers).content

  44.         file_name = href_list_y.split('/')[-1]
  45.         with open('img\\' + file_name, mode='wb') as f:
  46.             f.write(img_url_v)
  47.             print('保存完成',file_name)

复制代码


这是我目前写的源代码,目前只能爬取每页的第一张图片
https://www.tupianzj.com/bizhi/DNmeinv/这是目标网页
请问该如何实现里面图片的翻页处理，网上学的不适用于这种规则
最佳答案
月排行榜 / 总排行榜
Twilight6
2021-5-22 14:29:18
赤坂Dragon 发表于 2021-5-22 00:15
你说的是这样的图片吗,如果是的话那这不是我要爬取的图片，我现在爬取的是https://www.tupianzj.com/mein ...



这有关联吧，只有第一张没有 _数字 ，后续的和页码对应上的

参考代码：
  1. #-*- codeing = utf-8 -*-
  2. import requests
  3. import parsel
  4. import re

  6. url = 'https://www.tupianzj.com/meinv/20151025/30833.html'
  7. headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'}
  8. response = requests.get(url=url,headers=headers)
  9. response.encoding = "gb2312"
  10. html_data = response.text
  11. max_page = int(re.findall('共(\d+)页',html_data)[0])
  12. base_url = 'https://www.tupianzj.com/meinv/20151025/30833_{}.html'
  13. href_list = []
  14. for page in range(1,max_page+1):
  15.     response = requests.get(url=url,headers=headers)
  16.     html_data = response.text
  17.     selector = parsel.Selector(html_data)
  18.     href = selector.xpath('//div[@id="bigpic"]/a/img/@src').getall()[0]
  19.     href_list.append(href)
  20.     url = base_url.format(page+1)

  22. for p in href_list:
  23.     response_tite_q =requests.get(url=p,headers=headers)
  24.     img_url_v = response_tite_q.content

  26.     file_name = p.split('/')[-1]
  27.     with open(file_name, mode='wb') as f:
  28.         f.write(img_url_v)
  29.         print('保存完成',file_name)
复制代码


图片1235236_看图王.png
图片121352353_看图王.png
图片123523_看图王.png
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

Twilight6
发表于 2021-5-21 17:38:39 | 显示全部楼层

看了下网站，实际上你完全不需要先获取外部的 url 然后访问后再爬取图片 url 在访问写入

你直接在外面右击查看下图片原链接，发现点进去后的链接和外面原链接相同，那么我们直接爬外部的即可

参考代码：

  1. #-*- codeing = utf-8 -*-
  2. import requests
  3. import parsel

  5. for page in range(1,12):
  6.     print(f'==========正在爬取第{page}页的图片==========')
  7.     url = f'https://www.tupianzj.com/bizhi/DNmeinv/list_77_{page}.html'
  8.     headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'}

  10.     response = requests.get(url=url,headers=headers)
  11.     html_data = response.text

  13.     selector = parsel.Selector(html_data)
  14.     href_list = selector.xpath('//div[@class="list_con_box"]/ul/li/a/img/@src').getall()
  15.     for p in href_list:
  16.         response_tite_q =requests.get(url=p,headers=headers)
  17.         img_url_v = response_tite_q.content

  19.         file_name = p.split('/')[-1]
  20.         with open('img\\' + file_name, mode='wb') as f:
  21.             f.write(img_url_v)
  22.             print('保存完成',file_name)
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

赤坂Dragon
 楼主| 发表于 2021-5-21 20:27:40 | 显示全部楼层
Twilight6 发表于 2021-5-21 17:38
看了下网站，实际上你完全不需要先获取外部的 url 然后访问后再爬取图片 url 在访问写入

你直接在外面 ...

关于在外面右击查看下图片原链接的这一步是如何操作的，能用截图的方式演示一下吗
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

Twilight6
发表于 2021-5-21 20:32:47 | 显示全部楼层
赤坂Dragon 发表于 2021-5-21 20:27
关于在外面右击查看下图片原链接的这一步是如何操作的，能用截图的方式演示一下吗


图中是一种方法，直接检查找到源代码节点：

动画.gif

你也可以直接右击点复制图片地址，然后点进去 也复制一次图片地址，两 URL 进行比较

小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

赤坂Dragon
 楼主| 发表于 2021-5-22 00:15:03 | 显示全部楼层
Twilight6 发表于 2021-5-21 20:32
图中是一种方法，直接检查找到源代码节点：

你说的是这样的图片吗,如果是的话那这不是我要爬取的图片，我现在爬取的是https://www.tupianzj.com/meinv/20151025/30833.html这样的网页里的每张照片，不过这个网页第一张的url和后面的url没有关联，不知道该怎么修改
图片1325346.jpg
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

Twilight6
发表于 2021-5-22 14:29:18 | 显示全部楼层    本楼为最佳答案   
赤坂Dragon 发表于 2021-5-22 00:15
你说的是这样的图片吗,如果是的话那这不是我要爬取的图片，我现在爬取的是https://www.tupianzj.com/mein ...



这有关联吧，只有第一张没有 _数字 ，后续的和页码对应上的

参考代码：
  1. #-*- codeing = utf-8 -*-
  2. import requests
  3. import parsel
  4. import re

  6. url = 'https://www.tupianzj.com/meinv/20151025/30833.html'
  7. headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36'}
  8. response = requests.get(url=url,headers=headers)
  9. response.encoding = "gb2312"
  10. html_data = response.text
  11. max_page = int(re.findall('共(\d+)页',html_data)[0])
  12. base_url = 'https://www.tupianzj.com/meinv/20151025/30833_{}.html'
  13. href_list = []
  14. for page in range(1,max_page+1):
  15.     response = requests.get(url=url,headers=headers)
  16.     html_data = response.text
  17.     selector = parsel.Selector(html_data)
  18.     href = selector.xpath('//div[@id="bigpic"]/a/img/@src').getall()[0]
  19.     href_list.append(href)
  20.     url = base_url.format(page+1)

  22. for p in href_list:
  23.     response_tite_q =requests.get(url=p,headers=headers)
  24.     img_url_v = response_tite_q.content

  26.     file_name = p.split('/')[-1]
  27.     with open(file_name, mode='wb') as f:
  28.         f.write(img_url_v)
  29.         print('保存完成',file_name)
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

赤坂Dragon
 楼主| 发表于 2021-5-22 15:59:10 | 显示全部楼层
Twilight6 发表于 2021-5-22 14:29
这有关联吧，只有第一张没有 _数字 ，后续的和页码对应上的

参考代码：

大致的理解是这样吗
图片12352154.png
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

Twilight6
发表于 2021-5-22 19:05:05 | 显示全部楼层
赤坂Dragon 发表于 2021-5-22 15:59
大致的理解是这样吗


嗯嗯 可以的~
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

返回列表 发新帖
高级模式
B Color Image Link Quote Code Smilies
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, 2025-11-4 13:11

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表