技术标签: ps4 爬虫 python xpath 正则表达式
本文给出爬取三个图片网站的案例,分别用到了正则表达式、bs4、Xpath三种解析方式。
需求:爬取挖好图网”唯美分类“中的图片
详细代码如下:
# coding=gbk
import requests
import re
import os
#需求:爬取挖好图唯美图片
#网址:'https://www.wahaotu.com/weimei/list_1.html'
if __name__ == "__main__":
#创建一个文件夹,保存所有的图片
if not os.path.exists('./WeimeiPic'):
os.mkdir('./WeimeiPic')
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36 Edg/95.0.1020.40'
}
url = 'https://www.wahaotu.com/weimei/list_%d.html'
for pageNum in range(1,3):
#对应页码的url
new_url = format(url%pageNum)
#使用通用爬虫对url对应的一整张页面进行爬取
page_text = requests.get(url=new_url,headers=headers).text
#使用聚焦爬虫将页面所有的图片进行解析、提取
obj = re.compile(r'<span class="img-box img-box-hover2">.*?<span class="img-b" data-ratio="16:9">'
r'<img src="(?P<website>.*?)" alt=".*?" class="lazy"></span>',re.S)
img_src_list = obj.finditer(page_text)
#img_src_list1 = obj.findall(page_text) #返回列表
for it in img_src_list:
url_pic = it.group('website')
img_data = requests.get(url=url_pic,headers=headers).content #返回二进制数据
#生成图片名称,迭代器不知道可以成功,列表肯定可以
img_name = url_pic.split('/')[-1]
imgPath = './WeimeiPic/'+img_name
with open(imgPath,'wb') as fp:
fp.write(img_data)
print(img_name,'下载成功!')
运行结束后,图片保存到文件夹中:
需求:爬取优美图库中分类为“可爱头像”中的图片
主页面其实已经给出图片地址,没必要再进入到子页面。但当时没有注意,代码是按进入子页面抓取图片地址来写的。
这里只爬取了主页面第一页的部分图片,可以参照案例三修改得到所有页码的图片。
# coding=utf-8
"""
1.拿到主页面的源代码,然后提取到子页面的链接地址,href
2.通过href拿到子页面的内容,从子页面中找到图片的下载地址
3,下载图片
"""
import requests
from bs4 import BeautifulSoup
import time
import os
if __name__ == "__main__":
# 创建一个文件夹,保存所有的图片
if not os.path.exists('./TouXiangPic'):
os.mkdir('./TouXiangPic')
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36 Edg/95.0.1020.40'
}
url = "https://www.umei.cc/touxiangtupian/keaitouxiang/"
resp = requests.get(url = url,headers=headers)
resp.encoding ='utf-8' #处理乱码
#把源代码交给BeautifulSoup
main_page = BeautifulSoup(resp.text,"html.parser")
alist = main_page.find("div",class_="TypeList").find_all('a') #把范围第一次缩小
#抓取列表第10到第15张图片
for a in alist[9:15]:
href = a['href']
#href = a.get('href') #通过get拿到属性的值
#拿到主页面的源代码
href_all = "https://www.umei.cc/"+ href
detail_page_resp = requests.get(url=href_all,headers=headers)
detail_page_resp.encoding = 'utf-8'
detail_page_text = detail_page_resp.text
#从子页面中拿到图片的下载途径
detail_page = BeautifulSoup(detail_page_text,'html.parser')
p = detail_page.find("p",align = "center")
img = p.find('img')
src = img['src']
#下载图片
img_resp = requests.get(url=src,headers=headers).content #这里拿到的是字节
img_name = src.split("/")[-1]
#‘wb’:表示以二进制写方式打开,只能写文件,如果文件不存在,创建该文件;如果文件已存在,则覆盖写。
imgPath = './TouXiangPic/' + img_name
with open(imgPath,mode = "wb") as fp:
fp.write(img_resp) #图片内容写入到文件
time.sleep(0.1)
print("=====over!========")
运行得到的图片保存到TouXiangPic文件夹中:
需求:爬取“我要个性网”中分类为“可爱头像”中的图片
源代码如下:
# -*- coding: utf-8 -*-
import requests
from lxml import etree
import os
if __name__ == "__main__":
#创建一个文件夹,保存所有的图片
if not os.path.exists('./KeaiPic'):
os.mkdir('./KeaiPic')
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36 Edg/95.0.1020.40'
}
urlone = 'https://www.woyaogexing.com/tupian/keai/index.html'
urlother = 'https://www.woyaogexing.com/tupian/keai/index_%d.html'
pic_num = 0 #记录图片名称
for pageNum in range(1,3):
if pageNum == 1:
new_url = urlone
else:
new_url = format(urlother%pageNum)
#使用通用爬虫对url对应的一整张页面进行爬取
page_text = requests.get(url=new_url,headers=headers).text
#使用xpath将页面所有的图片进行解析、提取
tree = etree.HTML(page_text)
img_src_list = tree.xpath("//*[@id='main']/div[3]/div[1]/div[2]/div/a[1]/img/@src")
for it in img_src_list:
url_pic = "https:" + it
img_data = requests.get(url=url_pic,headers=headers).content #返回二进制数据
#生成图片名称,迭代器不知道是否可以成功,列表肯定可以
#img_name = url_pic.split('/')[-1]
#自己定义文件名
img_name = '图片{}{}'.format(str(pic_num),'.jpg')
imgPath = './KeaiPic/'+img_name
with open(imgPath,'wb') as fp:
fp.write(img_data)
pic_num = pic_num+1
print(img_name,'下载成功!')
运行后图片保存到文件夹中,并按照下载顺序命名:
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法