【python日常学习】妹子图网站图片爬虫
【python日常学习】妹子图网站图片爬虫不多说，直接上代码：
import os
import requests
from lxml import etree
import urllib
class MZiTu:
# 初始化对象属性
def __init__(self):
a = eval(input("直接下载请按1、搜索下载请按2、性感类请按3、日本类请按4、台湾类请按5、清纯类请按6："))
if a==1:
self.index_url = "https://www.mzitu.com/"
elif a==2:
search = input("请输入要搜索的名字：")
self.index_url = "https://www.mzitu.com/search/"+ urllib.parse.quote(search) + "/"
elif a==3:
self.index_url = "https://www.mzitu.com/xinggan/"
elif a==4:
self.index_url = "https://www.mzitu.com/japan/"
elif a==5:
self.index_url = "https://www.mzitu.com/taiwan/"
elif a==6:
self.index_url = "https://www.mzitu.com/mm/"
print(self.index_url)
self.headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36",
"Referer": "https://www.mzitu.com/"
}
self.path = input('请输入保存的文件夹名:')
# 发送request请求
def send_request(self, url):
return requests.get(url, headers=self.headers,timeout=3).content
# 解析每页的数据
def parse(self, html_str):
html = etree.HTML(html_str)
titles = html.xpath('//img[@class="lazy"]')
content_list = []
for title in titles:
item = {}
item['title'] = title.xpath('./@alt')
item['href'] = title.xpath('../@href')
content_list.append(item)
# print(item)
# print(content_list)
next_url = html.xpath('//a/@href')
next_url = next_url if next_url else None
return content_list, next_url
# 获取每张写真集的img_url
def get_img_url(self, detail_html):
html = etree.HTML(detail_html)
img_url = html.xpath('//div[@class="main-image"]/p/a/img/@src')
next_img_url = html.xpath('//span/../@href')
next_url = next_img_url if next_img_url else None
return img_url, next_url
# 判断文件夹是否存在,不存在创建文件夹
def mkdir(self, dir_name, img_url_list):
total_image = len(img_url_list)
meizi_dir = self.path if self.path else 'meizitu'
finall_dir = meizi_dir + '/' + '[{}P]'.format(str(total_image)) + dir_name
if os.path.isdir("F:\Python爬取\图片/"+finall_dir) != True:# 如果保存的路径不存在
os.makedirs(r"F:\Python爬取\图片/"+finall_dir)# 如果不存在。我们将创立这个路径
path = "F:\Python爬取\图片/"+finall_dir+"/"
return path
# 保存img
def save_image(self, j, final_dir, img_url_list):
for img_url in img_url_list:
try:
image_data = self.send_request(img_url)
except:
continue
file_name = final_dir + '/' + img_url[-9:]
with open(file_name, 'wb') as image:
image.write(image_data)
print("*" * 14, img_url, '下载完成', "*" * 14)
print("-" * 29 + '第{}张写真集保存完毕'.format(int(j)) + "-" * 30 + '\n\n')
# 运行爬虫
def run(self):
# 1. 获取url
next_page_url = self.index_url
i = 1
# 获取每页的url地址并解析
while True:
# 2. 发送请求,获取响应
try:
html_str = self.send_request(next_page_url).decode()
except:
continue
# 3. 解析数据
content_list, next_page_url = self.parse(html_str)
# 4. 获取详情页的img
j = 1
# 获取每张写真集并解析
for content in content_list:
img_url_list = []
print("-" * 30 + '正在获取第{}张写真集'.format(int(j)) + "-" * 30)
# 获取每张写真集的img_url
# 第一页的img地址
dir_name = content['title']
next_url = content['href']
# print(next_url)
# 获取每张写真集每页的img_url
while True:
try:
detail_html = self.send_request(next_url).decode()
except:
continue
img_url, next_url = self.get_img_url(detail_html)
# 第二页的img地址
# detail_html = self.send_request(next_url)
# img_url, next_url =self.get_img_url(detail_html)
img_url_list.append(img_url)
if next_url is None:
break
# 保存图片
if img_url_list:
final_dir = self.mkdir(dir_name, img_url_list)
self.save_image(j, final_dir, img_url_list)
j += 1
print("-" * 32 + '第{}页获取完成'.format(int(i)) + "-" * 32 + '\n\n')
i += 1
if next_page_url is None:
break
def main():
mz = MZiTu()
mz.run()
if __name__ == '__main__':
main()
想要下载哪种类型自己选择："直接下载请按1、搜索下载请按2、性感类请按3、日本类请按4、台湾类请按5、清纯类请按6："
我的存储地址为：F:\Python爬取\图片\，可以自己更改，存储文件夹可自己命名
最后郑重提醒：注意身体！！！！！！！！！！
感谢大佬分享，虽然很想要，但是为了身体，还是忍忍吧~~ 妹子不妹子无所谓，主要是学习p爬虫 啥都没看，就把网址复制走了{:1_918:} 自从开始嫖大佬们的爬虫代码开始，身体是一天不如一天了，果然学习使人憔悴{:301_1004:} 认真学习，不管你信不信。 666，感谢楼主的技术帖~ 这肯定是真技术啊 学习学习 厉害，我竟然看懂了，复制了试试去