爬虫爬取百度贴吧图片
admin
2023-07-30 21:35:50
0
#-*- coding: UTF-8 -*-
import urllib
import urllib2
import re
import sys
def open_url(url2):
    req = urllib2.Request(url2)
    user_agent = \'Mozilla/5.0 (Windows NT 6.1) AppleWebKit\'
    headers = {\'User-Agent\' : user_agent}
    try:page = urllib2.urlopen(req)
    except urllib2.URLError,e:
        print e.reason

    html = page.read().decode(\'utf-8\')
    return html

def get_img(html):
    p = re.compile(r\'src=\"([^\"]+\\.jpg)\"\')
    imglist = p.findall(html)
    i = 1
    for each in set(imglist):
        filename = each[-8:]
        try:
            urllib.urlretrieve(each,filename,None)
            print \"downloading\" + str(i) + \"个新垣结衣\"
        except:
            print \"Unexpected error:\", sys.exc_info()[0]
        i+= 1
def start():
    for j in range(1,pages+1):
        url2 = url + str(j)
        get_img(open_url(url2))
        print \'已经爬取了第 \' + str(j) + \' 页\'
if __name__==\'__main__\':
    url = raw_input(\'输入网址,把pn=后面的数字去掉\')
    pages = int(raw_input(\'该帖子有多少页?\'))
    start()

看看效果吧


QQ图片20160825162043.png


%J0N0_0$ODJ71]{3)VS3{TU.png

等我把beautifulsoup 还有正则学好,我就可以征服草榴了!!!

相关内容

热门资讯

500 行 Python 代码... 语法分析器描述了一个句子的语法结构,用来帮助其他的应用进行推理。自然语言引入了很多意外的歧义,以我们...
定时清理删除C:\Progra... C:\Program Files (x86)下面很多scoped_dir开头的文件夹 写个批处理 定...
65536是2的几次方 计算2... 65536是2的16次方:65536=2⁶ 65536是256的2次方:65536=256 6553...
Mobi、epub格式电子书如... 在wps里全局设置里有一个文件关联,打开,勾选电子书文件选项就可以了。
scoped_dir32_70... 一台虚拟机C盘总是莫名奇妙的空间用完,导致很多软件没法再运行。经过仔细检查发现是C:\Program...
pycparser 是一个用... `pycparser` 是一个用 Python 编写的 C 语言解析器。它可以用来解析 C 代码并构...
小程序支付时提示:appid和... [Q]小程序支付时提示:appid和mch_id不匹配 [A]小程序和微信支付没有进行关联,访问“小...
微信小程序使用slider实现... 众所周知哈,微信小程序里面的音频播放是没有进度条的,但最近有个项目呢,客户要求音频要有进度条控制,所...
python绘图库Matplo... 本文简单介绍了Python绘图库Matplotlib的安装,简介如下: matplotlib是pyt...
Prometheus+Graf... 一,Prometheus概述 1,什么是Prometheus?Prometheus是最初在Sound...