cdsgg 发表于 2021-3-24 14:17

好像你们特别喜欢美女嗷所以做了一个美女写真爬虫

本帖最后由 cdsgg 于 2021-3-24 14:20 编辑

import requests
from bs4 import BeautifulSoup


def getUrl():
    headers = {
      "referer": "https://www.baidu.com/link?url=GgeDs1AzZQg7jAVgRWaaQVemNzUYNHFpN-PiFmUIyUHeaMQeoPb14_8g1oL7GmBggm70mm4e2EkM5F7lmQMUVq&wd=&eqid=fdcd73c000068a5900000004605ac987",
      "upgrade-insecure-requests": "1",
      "user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.81 Safari/537.36 SE 2.X MetaSr 1.0"
    }
    url = 'https://www.tupianzj.com/meinv/mm/nkmv/'#其实这里改改 可以爬取更多分类 图片下面有显示

    urllist = []
    H = requests.get(url, headers=headers).text

    soup = BeautifulSoup(H, 'lxml').select('ul.d1.ico3>li>a')

    ullist =
    for i in ullist:
      if '/meinv/' in i:
            urllist.append(i)
    return urllist


def getpage(imglist):
    for l in imglist:
      headers = {
            "referer": "https://www.baidu.com/link?url=GgeDs1AzZQg7jAVgRWaaQVemNzUYNHFpN-PiFmUIyUHeaMQeoPb14_8g1oL7GmBggm70mm4e2EkM5F7lmQMUVq&wd=&eqid=fdcd73c000068a5900000004605ac987",
            "upgrade-insecure-requests": "1",
            "user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.81 Safari/537.36 SE 2.X MetaSr 1.0"
      }
      R = requests.get(f"https://www.tupianzj.com{l}", headers=headers).content.decode('gbk')
      imgsoup = BeautifulSoup(R, 'lxml').select('.pages > ul:nth-child(1) > li:nth-last-child(2)>a').text
      for i in range(1, int(imgsoup) + 1):
            if i == 1:
                imgurl = BeautifulSoup(R, 'lxml').select('#bigpicimg').get('src')
                tittle = BeautifulSoup(R, 'lxml').select('div.list_con:nth-child(3) > h1:nth-child(1)').text
                with open(tittle + '.' + imgurl.split('.')[-1], 'wb') as f:
                  f.write(requests.get(imgurl, headers=headers).content)
                  f.close()
                print(tittle + "         保存成功!")
            else:
                imgurl = 'https://www.tupianzj.com' + l.replace('.html', '') + f'_{i}.html'
                req=requests.get(imgurl,headers=headers).content.decode('gbk')
                u=BeautifulSoup(req, 'lxml').select('#bigpicimg').get('src')
                tittle = BeautifulSoup(req, 'lxml').select('div.list_con:nth-child(3) > h1:nth-child(1)').text
                with open(tittle + '.' + u.split('.')[-1], 'wb') as f:
                  f.write(requests.get(u, headers=headers).content)
                  f.close()
                print(tittle+"         保存成功!")


if __name__ == '__main__':
    listur = getUrl()
    getpage(listur)

谈何易i 发表于 2021-3-24 14:35

没啥意思(提裤子)/doge

天天-不破不立 发表于 2021-4-21 15:48

我把nkmn改成rentiyishyu,为什么就报错
Traceback (most recent call last):
File "D:/demo/main.py", line 55, in <module>
    getpage(listur)
File "D:/demo/main.py", line 33, in getpage
    imgsoup = BeautifulSoup(R, 'lxml').select('.pages > ul:nth-child(1) > li:nth-last-child(2)>a').text
IndexError: list index out of range

灿烂的小居 发表于 2021-3-24 14:21

好刺激,身体一天不如一天{:301_997:}

用微笑带过 发表于 2021-3-24 14:33

好家伙,能不能给J儿放天假????{:301_995:}

红蓝黄 发表于 2021-3-24 14:36

新手怎么使用?

比基尼杰克 发表于 2021-3-24 14:37

不会用 有没有人能教教我

真是我的 发表于 2021-3-24 14:38

进来没别的意思,单纯学习下代码的写法{:301_1004:}

郭帅 发表于 2021-3-24 14:41

新人表示喜欢,但是不会用,求出教程{:301_995:}

Citrons 发表于 2021-3-24 14:44

一般【提裤】{:301_995:}

人称三哥 发表于 2021-3-24 14:46

太有意思了,我冲了
页: [1] 2 3 4 5
查看完整版本: 好像你们特别喜欢美女嗷所以做了一个美女写真爬虫