正则解析爬取分页多张图片【★★★】

By 大Van家 on 2021-07-23
阅读时间 1 分钟
文章共 327
阅读量

复习:Python正则解析语法

需求:分页爬取糗事百科中糗图板块下所有的糗图图片

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import requests
import re
import os
# 需求:爬取糗事百科中糗图板块下所有的糗图图片
if __name__ == "__main__":
headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36'

}
# 创建一个文件夹,保存所有的图片
if not os.path.exists('./img'):
os.mkdir('./img')
# 设置一个通用的url模板
base_url = 'https://www.qiushibaike.com/imgrank/page/%d/'
# pageNum = 2

for pageNum in range(1, 3):
# 对应页码的url
new_url = format(base_url % pageNum)

# 使用通用爬虫对url对应的一整张页面进行爬取
page_text = requests.get(url=new_url, headers=headers).text

# 使用聚焦爬虫将页面中所有的糗图进行解析/提取
ex = '<div class="thumb">.*?<img src="(.*?)" alt.*?</div>'
img_src_list = re.findall(ex, page_text, re.S)
# print(img_src_list)
for src in img_src_list:
# 拼接出一个完整的图片url
src = 'https:'+src
# 请求到了图片的二进制数据
img_data = requests.get(url=src, headers=headers).content
# 生成图片名称
img_name = src.split('/')[-1]
# 图片存储的路径
imgPath = './img/'+img_name
with open(imgPath, 'wb') as fp:
fp.write(img_data)
print(img_name, '下载成功!!!')

Tips: Please indicate the source and original author when reprinting or quoting this article.