吾爱破解 - 52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 8150|回复: 13
收起左侧

[Python 转载] 【采集工具】又拍云采集工具助手exe带python图片采集源码

  [复制链接]
huguo002 发表于 2019-11-6 17:55
本帖最后由 huguo002 于 2019-11-16 17:57 编辑

【python】又拍云采集工具助手exe带python图片采集源码
【python】又拍云采集工具助手exe带python图片采集源码

论坛的老哥要的东西!练手试了一下!
技术比较渣,见谅!
拿去玩!

webwxgetmsgimg.jpg

适合想要获取 又拍云 相册图片的需求!

自己测试了一下,没有用多线程,可能速度还是比较low!
写了报错以及记录功能,如果没有下载到的图片,自己手动补上吧,失败的链接都写在spider.txt上!

运行测试:

又拍云采集.gif

网速比较慢,暂时只有这么多了,程序应该可以运行结束,有bug的话 可以留言回复私聊!
又拍云采集2.jpg

方便大哥们使用,弟弟已经给各位大佬,大哥们打包了一下exe程序,运行环境,win7 64位,其他系统环境不一定能运行哈!

exe程序存在BUG 已经修改

补上 exe 地址!又拍云相册图片采集助手使用说明:

1.打开yupoo.exe程序!
2.输入又拍云相册的首页地址,比如:https://chenxuezhen1989.x.yupoo.com
3.回车运行即可!
4.采集失败链接记录在spider.txt,建议自行手动补图片!

exe运行.gif


需知:该程序运行环境为win7 64位

附上python源码:

[Python] 纯文本查看 复制代码
# -*- coding: UTF-8 -*-
import requests,re,os,random,time
from lxml import etree

class Yupoo():
    def __init__(self,url):
        ua_list = [
            "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
            "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)",
            "Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
            "Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)",
            "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)",
            "Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)",
            "Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)",
            "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)",
            "Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6",
            "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1",
            "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0",
            "Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5",
            "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6",
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
            "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20",
            "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52",
        ]
        self.ua=random.choice(ua_list)
        self.url=url

    #抓取首页相册分类链接
    def get_categorylist(self):
        headers={'user-agent': self.ua}
        ceagortylists=[]
        response=requests.get(self.url,headers=headers,timeout=5).text
        time.sleep(1)
        req=etree.HTML(response)
        ceagortylist=req.xpath('//div[@class="show-layout-category__catewrap"]/a/@href')
        for list in ceagortylist:
            list=f'{url}{list}'
            ceagortylists.append(list)
        print(ceagortylists)
        return ceagortylists

    #抓取相册所有链接
    def get_urllist(self,ceagortylists):
        headers = {'user-agent': self.ua}
        category_lists=[]
        for url in ceagortylists:
            response = requests.get(url,headers=headers,timeout=5).text
            time.sleep(1)
            req = etree.HTML(response)
            category_urllists=req.xpath('//div[@class="showindex__children"]/a[@class="album__main"]/@href')
            for category_url in category_urllists:
                category_url=f'{self.url}{category_url}'
                category_lists.append(category_url)
            print(category_lists)
        return category_lists

    #采集图片
    def get_img(self,url):
        headers = {'user-agent': self.ua}
        response = requests.get(url,headers=headers,timeout=5).text
        time.sleep(1)
        req = etree.HTML(response)
        h2=req.xpath('//h2/span[@class="showalbumheader__gallerytitle"]/text()')[0]
        h2= re.sub(r'[\|\/\<\>\:\*\?\\\"]', "_", h2)  # 剔除不合法字符
        print(h2)
        os.makedirs(f'yupoo/{h2}/',exist_ok=True)
        imgurls=req.xpath('//div[@class="showalbum__children image__main"]/div[@class="image__imagewrap"]/img/@data-origin-src')
        i=1
        headers2 = {
            'referer': url,
            'user-agent': self.ua,
        }
        print(headers)
        for imgurl in imgurls:
            imgurl=f'https:{imgurl}'
            print(imgurl)
            if "jpeg" in imgurl:
                imgname=f'{i}{imgurl[-5:]}'
            elif "jgp" in imgurl or "png" in imgurl or "gif" in imgurl:
                imgname = f'{i}{imgurl[-4:]}'
            else:
                imgname = f'{i}{imgurl[-4:]}'
            print(imgname)
            try:
                r=requests.get(imgurl,headers=headers2,timeout=8)
                with open(f'yupoo/{h2}/{imgname}','wb') as f:
                    f.write(r.content)
                    print(f'下载{imgname}图片成功!')
                    time.sleep(1)
            except Exception as e:
                print(f'下载{imgurl}图片失败,错误代码:{e}')
                with open(f'yupoo/{h2}/spider.txt','a+',encoding='utf-8') as f:
                    f.write(f'访问相册{url}---{imgurl}---下载失败,错误代码:{e}')
            i=i+1


if __name__ == '__main__':
    #url="https://chenxuezhen1989.x.yupoo.com"
    url=input("请输入要爬取的又拍相册首页链接地址:")
    print(f'爬虫启动中,请稍后......')
    spider=Yupoo(url)
    print(f'相册首页分类链接采集中,请稍后......')
    ceagortylists=spider.get_categorylist()
    print(f'相册首页分类链接采集完毕!')
    time.sleep(2)
    print(f'相册所有链接采集中,时间可能稍长,请稍后......')
    category_lists=spider.get_urllist(ceagortylists)
    print(f'相册所有链接采集完毕!')
    print(f'正在采集相册图片......')
    for url in category_lists:
        try:
            spider.get_img(url)
            print(f'恭喜!采集{url}网页图片成功!')
        except Exception as e:
            print(f'采集网页图片失败,错误代码:{e}')
            with open(f'yupoo/spider.txt', 'a+', encoding='utf-8') as f:
                f.write(f'{url}---采集失败,错误代码:{e}')

    print(f'采集完毕,采集{url}图片成功!')
    print(f'10后自动结束程序,退出!')
    time.sleep(10)


免费评分

参与人数 2吾爱币 +2 热心值 +1 收起 理由
不见远山 + 1 谢谢@Thanks!
wwpeng110 + 1 + 1 感谢发布原创作品,吾爱破解论坛因你更精彩!

查看全部评分

发帖前要善用论坛搜索功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

_逛窑子 发表于 2021-3-2 21:27
  exe 可以运行~
不过复制代码在linux上运行 报错
  File "run.py", line 37
    list=f'{url}{list}'
                      ^
SyntaxError: invalid syntax
尴尬的是,我python小白...过来点赞的
 楼主| huguo002 发表于 2019-11-16 17:30
唐小花小同学 发表于 2019-11-12 22:44
可能是不支持运行吧。都没有看见。都找遍了。还是感谢一下楼主!辛苦了。

有bug 已经修复了 改天我再弄上去吧。。
guangwolove 发表于 2019-11-6 17:59
冬雪雨泉 发表于 2019-11-6 18:10
感谢楼主分享
shelly1314 发表于 2019-11-6 18:16
这个可以有
 楼主| huguo002 发表于 2019-11-6 18:18
额 没有考虑到这样的情况 首页还有分页  那就一页页贴进去吧!
分页面当成另一个首页面吧!
igou026 发表于 2019-11-6 19:46
试      试           看
leonwqhb 发表于 2019-11-6 20:17
这个东西貌似不错。可以安利一下
不见远山 发表于 2019-11-6 23:52
感谢大佬啊非常牛鼻
唐小花小同学 发表于 2019-11-12 01:33
为什么采集完我找不到采集的文件。是预存在哪里的?
 楼主| huguo002 发表于 2019-11-12 09:03
唐小花小同学 发表于 2019-11-12 01:33
为什么采集完我找不到采集的文件。是预存在哪里的?

运行目录下 yupoo 文件夹里
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则

返回列表

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - LCG - LSG ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2024-11-25 19:52

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表