1 ''' 2 1. 爬取以下站点中各个明星图片,分别单独建文件夹存放。 3 起始URL地址:http://www.mm131.com/mingxing 4 ''' 5 import os 6 import logging 7 import requests 8 from bs4 import BeautifulSoup 9 10 logging.basicConfig(level=logging.INFO) 11 12 13 def store_girl_img(girl_url, store_girl_dir): 14 # 把girl_url的单个小姐姐放入store_girl_dir文件夹 15 girl_html = requests.get(girl_url) #访问girl_url网址 16 girl_html.encoding = "gbk" #修改编码,不然会是乱码 17 girl_text = girl_html.text #获取girl_html的网页内容。girl_html.content返回的是bytes数据 18 19 girl_src = BeautifulSoup(girl_text, 'lxml').find("div",class_='content-pic').find('img')['src'] 20 #BeautifulSoup用lxml库解析girl_html的网页内容,并找到所有class_='content-pic'的div标签 21 #再找到img标签下的src属性,得到单张照片的链接 22 print(girl_src) 23 24 # 此处加headers是为防反爬虫,如果不加会响应403,没有权限 25 headers = { 26 'Referer': girl_url, 27 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36' 28 } 29 file_name = girl_src.split('/')[-1] 30 #将http://img1.mm131.me/pic/2016/1.jpg切片成["http://img1.mm131.me/pic/2016","1.jpg"],[-1]就是去第二个1.jpg 31 file_name = os.path.join(store_girl_dir, file_name) #在store_girl_dir目录下创建图片名字file_name,如1.jpg 32 with open(file_name, 'wb') as f: #二进制模式打开file_name 33 girl_content = requests.get(girl_src, headers=headers).content # .content获取图片的二进制数据 34 f.write(girl_content) #写入到file_name 35 36 37 def store_page_grils(href, store_girl_dir): 38 # 把href这个链接下的小姐姐们(多个)放入文件夹store_girl_dir 39 girl_text = requests.get(href).text #访问某个美女的图片页面 40 soup = BeautifulSoup(girl_text, 'lxml') #获得BeautifulSoup对象 41 # 获取美女图片的张数 42 max_page_num = soup.find('div', class_='content-page').find_all('a')[-2].get_text() 43 #找到class_='content-page'的div标签---->找出该div下所有的a标签,得到一个a标签列表 44 #[-2]取出倒数第二个按标签,get_text()是获取文本内容 45 max_page_num = int(max_page_num) #文本内容转化为整数 46 47 girl_url_list = [href] #定义一个列表,存放一个美女所有图片的链接,页面特殊,href表示第一张 48 #for循环获取第二张到最后一张的链接 49 for page_num in range(2, max_page_num + 1): 50 51 girl_url = str(href).replace(".html",f"_{page_num}.html") # 将.html替换_{page_num}.html 52 # print(girl_url) 53 girl_url_list.append(girl_url) #将第二张到最后一张的链接追加到girl_url_list 54 # print(girl_url_list) 55 for girl_url in girl_url_list: 56 store_girl_img(girl_url, store_girl_dir) #循环调用store_girl_img函数 57 58 59 def main(): 60 url = 'http://www.mm131.com/mingxing' 61 store_dir = 'meizitu' #主目录 62 os.makedirs(store_dir, exist_ok=True) #创建主目录,若主目录存在不报错 63 home_html = requests.get(url) #访问http://www.mm131.com/mingxing 64 home_html.encoding = "gbk" 65 home_text = home_html.text #获取网页内容 66 # 得到小姐姐们的链接标签 67 ahref_list = BeautifulSoup(home_text, 'lxml').find("div",class_="main").find_all('a')[2:22] 68 #找到所有a标签,得到一个a标签列表,[2:22]表示:取a标签列表的第2到21个,因为前两个是不需要的 69 # print(ahref_list) 70 for ahref in ahref_list: #遍历这20个a标签 71 # ahref 是bs4.element.Tag实例 72 girlname = ahref.get_text() # 获取a标签的文本内容,作为存放小姐姐图片的子目录 73 href = ahref['href']# 取出a标签的href属性,得到一个小姐姐图片的链接 74 store_girl_dir = os.path.join(store_dir, girlname) # 拼接得到放该小姐的房间号,即存放美女的文件夹 75 os.makedirs(store_girl_dir, exist_ok=True) 76 logging.info(f'开始下载{girlname}的图片') 77 store_page_grils(href, store_girl_dir) 78 79 80 if __name__ == '__main__': 81 main() 82 83 84