import requests import os from bs4 import BeautifulSoup import re # 初始地址 all_url = 'http://www.7160.com/xiaohua/' #保存路径 path = 'H:/school_girl/' # 请求头 header = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 UBrowser/6.1.2107.204 Safari/537.36' } #开始请求（多列表） html = requests.get(all_url,headers = header) start_html = html.text.encode('iso-8859-1').decode('gbk') # 将gb2312转为UTF-8格式 #开始解析 soup = BeautifulSoup(start_html,'lxml') #查找最大页码 page = 255 # 同一路径 same_url = 'http://www.7160.com/xiaohua/' for n in range(1,int(page)+1): ul = same_url + 'list_6_' + str(n) + '.html' ##开始请求（单列表多元素） html = requests.get(ul,headers = header) start_html = html.text.encode('iso-8859-1').decode('gbk') #开始解析 soup = BeautifulSoup(start_html,'lxml') all_a = soup.find('div',class_='news_bom-left').find_all('a',target = '_blank') for a in all_a: title = a.get_text() if title != '': #创建目录 #win不能创建带？的目录 if (os.path.exists(path + title.strip().replace('?', ''))): # print('目录已存在') flag = 1 else: os.makedirs(path + title.strip().replace('?', '')) flag = 0 os.chdir(path + title.strip().replace('?', '')) # END #开始请求（单元素） print('准备爬取:' + title) hrefs = a['href'] in_url = 'http://www.7160.com' href = in_url + hrefs htmls = requests.get(href,headers = header) html = htmls.text.encode('iso-8859-1').decode('gbk') ##开始解析# mess = BeautifulSoup(html,'lxml') titles = mess.find('h1').text pic_max = mess.find('div',class_ = 'itempage').find_all('a')[-2].text # 最大页数 if (flag == 1 and len(os.listdir(path + title.strip().replace('?', ''))) >= int(pic_max)): print('已经保存完毕，跳过') continue for num in range(1,int(pic_max)+1): href = a['href'] hrefs = re.findall(r'.{14}',href) href = "".join(hrefs) if num == 1: html = in_url + href + '.html' else: html = in_url + href + '_' + str(num) + ".html" #开始请求（单元素里的子元素） htmls = requests.get(html,headers = header) html = htmls.text.encode('iso-8859-1').decode('gbk') ##开始解析# mess = BeautifulSoup(html,'lxml') pic_url = mess.find('img',alt = titles) print(pic_url['src']) #开始下载 html = requests.get(pic_url['src'],headers = header) filename = pic_url['src'].split(r'/')[-1] f = open(filename,'wb') f.write(html.content) f.close() print('完成') print('第',n,'页完成')
打印后的结果为：
转载于:https://www.cnblogs.com/zhuifeng-mayi/p/9712209.html
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/215413.html原文链接：https://javaforall.net
