使用Python下载妹子图网站图片

        最近在学习Python的爬虫部分。看到有网友在分享使用爬虫爬取各种网站的图片的代码,也想自己写个玩玩。今天花时间分析了一下妹子图网站的结构和HTML代码,使用urllib2和BeautifulSoup写出了一个自动下载妹子图网站图片的脚本。

        妹子图网址:http://www.mzitu.com

        运行效果如下:

        源代码如下,请各位大神指教:

# -*- coding:utf8 -*-
# Python:         2.7.8
# Platform:       Windows
# Author:         wucl
# Version:        1.0
# Program:        自动下载妹子图的图片并保存到本地
# History:        2015.5.31

import urllib2, os, os.path, urllib
from bs4 import BeautifulSoup

def get_pages(url):
    """
    获取妹子图网站的页数
    """    
    html=urllib2.urlopen(url).read()
    soup=BeautifulSoup(html)
    nums=soup.find_all(‘a‘,class_=‘page-numbers‘)
    pages=int(nums[-2].text)
    return pages

    
def get_menu(url):
    """
    获取页面的所有妹子图主题的链接名称和地址,记入列表
    """
    html=urllib2.urlopen(url).read()
    soup=BeautifulSoup(html)
    menu=[]
    menu_list=soup.find_all(‘a‘,target=‘_blank‘)
    for i in menu_list:
        result=i.find_all(‘img‘,class_=‘lazy‘)
        if result:
            name=result[0][‘alt‘]
            address=i[‘href‘]
            menu.append([name,address])
    return menu

def get_links(url):
    """
    获取单个妹子图主题一共具有多少张图片
    """
    html=urllib2.urlopen(url).read()
    soup=BeautifulSoup(html)
    all_=soup.find_all(‘a‘)
    nums=[]
    for i in all_:
        span=i.find_all(‘span‘)
        if span:
            nums.append(span[0].text)
    return nums[-2]
            
def get_image(url,filename):
    """
    从单独的页面中提取出图片保存为filename
    """
    html=urllib2.urlopen(url).read()
    soup=BeautifulSoup(html)
    image=soup.find_all(‘p‘)[0].find_all(‘img‘)[0][‘src‘]
    urllib.urlretrieve(image,filename)

def main(page):
    """
    下载第page页的妹子图
    """
    print u‘正在下载第 %d 页‘ % page
    page_url=url+‘/page/‘+str(page)
    menu=get_menu(page_url)
    print u‘第 %d 页共有 %d 个主题‘ %(page,len(menu))
    for i in menu:
        dir_name=os.path.join(‘MeiZiTu‘,i[0])
        if not os.path.exists(dir_name):
            os.mkdir(dir_name)
        pic_nums=int(get_links(i[1]))
        print u‘主题 %s 一共有 %d 张图片‘ %(i[0],pic_nums)
        for pic in range(1,pic_nums+1):
            basename=str(pic)+‘.jpg‘
            filename=os.path.join(dir_name,basename)
            pic_url=i[1]+‘/‘+str(pic)
            if not os.path.exists(filename):
                print u‘..............正在下载 %s‘ % basename
                get_image(pic_url,filename)
            else:
                print filename+u‘已存在,略过‘
    
if __name__==‘__main__‘:
    url=‘http://www.mzitu.com/‘
    pages=get_pages(url)
    print u‘妹子图一共有 %d 页‘ %pages
    if not os.path.exists(‘MeiZiTu‘):
        os.mkdir(‘MeiZiTu‘)
    page_start=input(u‘输入妹子图的起始页:\n‘)
    page_end=input(u‘输入妹子图的终止页:\n‘)
    if page_end>page_start:
        for page in range(page_start,page_end):
            main(page)
    elif page_end==page_start:
        main(page_end)
    else:
        print u"输入错误,起始页必须小于等于结束页\n"


本文出自 “载酒仗剑江湖行” 博客,请务必保留此出处http://wucl202000.blog.51cto.com/4687508/1656871

郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。