正则爬取我要个性网的头像

爬取网址：https://www.woyaogexing.com/touxiang/qinglv/

一、访问网址

html = requests.get(url, headers=headers).content.decode("utf-8")

得到的是html，很直观的可以右击检查查看element，就是这个里面的数据

二、获取想要的url跳转，点击右侧检查页面左上角那个带箭头的图标，然后选中窗口页面的一个图片点击，右侧就可以定位到相应的html位置，href属性里面的数据就是我们需要匹配的跳转数据

divs = re.findall('<a href="(.*?)" class="img" target="_blank" title="(.*?)">', html)

得到的链接是：

[('/touxiang/qinglv/2020/1000686.html', '＃沙雕＃情头 望喜'), ('/touxiang/qinglv/2020/1000630.html', '今天在线蹲了我放总的新剧❤又是爱放姐的一天情头一波'), ('/touxiang/qinglv/2020/1000419.html', '江孑 一对两张可爱猫咪甜蜜情头'), ('/touxiang/qinglv/2020/1000405.html', '好看'), ('/touxiang/qinglv/2020/1000369.html', '仙气飘飘 情侣头像 林子妤')]

三、访问跳转链接

url_pic = "https://www.woyaogexing.com" +url_title_tuple[0] 
html_pic = requests.get(url_pic, headers=headers).content.decode("utf-8")

这个链接得到的数据就是单张图片的信息了，可以按照二的方法定位到图片

可以看到src里面已经有图片的下载链接了。

四、访问图片下载链接并保存

a. 匹配下载链接

imgs = re.findall('<img class="lazy" src="(.*?)" width="200" height="200" />', html_pic)

b. 访问下载链接

img_data = requests.get(img_url, headers=headers).content

c. 保存数据

        with open(img_path, "wb") as f:
            f.write(img_data)

至此，图片已经下载下来了。

play.py

#!/usr/bin/env python
# _*_ coding: UTF-8 _*_
"""=================================================
@Project -> File    : Operate_system_ModeView_structure -> play.py
@IDE     : PyCharm
@Author  : zihan
@Date    : 2020/5/19 20:27
@Desc    :获取情侣头像
================================================="""
import requests
import re
import os


headers = {
        'user-agent': "自己在浏览器中复制",
    }


def get_matched_data(url, matched_string):
    html = requests.get(url, headers=headers).content.decode("utf-8")
    result = re.findall(matched_string, html)
    return result


def save_data(img, title):
    img_url = "http:" + img
    img_data = requests.get(img_url, headers=headers).content

    img_path = "./picture/" + title + "/" + str(img.split("/")[-1])
    print("正在下载：", str(img))
    with open(img_path, "wb") as f:
        f.write(img_data)
    print(str(img.split("/")[-1]) + "下载完毕")


def main():
    url_enter = "https://www.woyaogexing.com/touxiang/qinglv/"
    match_url_title = '<a href="(.*?)" class="img" target="_blank" title="(.*?)">'
    url_title_tuple_list = get_matched_data(url_enter, match_url_title)

    for url_title_tuple in url_title_tuple_list:
        url_pic = "https://www.woyaogexing.com" + url_title_tuple[0]
        title_pic = url_title_tuple[1]
        title = re.sub("[/]+", "_", title_pic)
        if not os.path.exists("./picture/" + title):
            os.mkdir("./picture/" + title)
        match_img_src = '<img class="lazy" src="(.*?)" width="200" height="200" />'
        img_list = get_matched_data(url_pic, match_img_src)
        for img in img_list:
            save_data(img, title)


if __name__ == '__main__':
    main()

Ok.