【python爬虫 2】BeautifulSoup快速抓取网站图片

大家一起学编程

发布于 2022-01-25 18:36:03

1.3K0

发布于 2022-01-25 18:36:03

文章被收录于专栏：大家一起学编程

前言

学习，最重要的是要了解它，并且使用它，正所谓，学以致用、本文，我们将来介绍，BeautifulSoup模块的使用方法，以及注意点，帮助大家快速了解和学习BeautifulSoup模块。有兴趣了解爬虫的小伙伴们，赶快学起来吧。

第一步：了解需求

在开始写之前，我们需要知道我们要做什么？做爬虫。

抓取什么？抓取网站图片。

在什么地方抓取？图片之家_图片大全_摄影图片为主的国内综合性图片网

大家可以用这个网站练练手，页面也是比较简单的。

第二步：分析网站因素

我们知道我们需要抓取的是那一个网站数据，因此，我们要来分析一下网站是如何提供数据的。

根据分析之后，所有页面似乎都是相同的，那我们选择一个摄影图来为大家做演示。

1、获取列表标题，以及链接

进一步研究页面数据，每一个页面，下方都有一个列表，然后通过列表标题，进入到下一级中。那这个页面我们需要获取列表标题。

2、获取图片列表，以及链接，以及翻页操作

继续分析，点击链接进入之后，发现有已经有图片了列表，并且还可以翻页。

3、获取图片详情，所有图片

再点击继续研究，发现图片还有多张。

分析完成，我们来编写代码。

流程图如下：

第三步：编写代码实现需求

1、导入模块

导入我们需要使用到的所有模块。

import os
import re
from bs4 import BeautifulSoup
import requests
import time

2、获取列表标题，以及链接

def tupianzj():
  """获取标题，链接"""
  response = requests.get(url="https://www.tupianzj.com/sheying/",headers=headers)
  response.encoding="gbk"
  Soup = BeautifulSoup(response.text, "html.parser")
  list_title=Soup.find_all("h3",{"class":"list_title"})
  list=[]
  for i in list_title:
    list.append({'name':i.get_text(),'url':i.find("a").get("href")})
  return list

3、获取分类列表标题，链接，以及翻页。

def tu_list(url,page):
  """获取类比列表"""
  response = requests.get(url,headers=headers)
  response.encoding="gbk"
  Soup = BeautifulSoup(response.text, "html.parser")
  list_title=Soup.find_all("ul",{"class":"list_con_box_ul"})[0].find_all("li")
  for i in list_title:
    for j in i.find_all("a"):
      try:
        j.find("img").get("src")
        name=j.get("title")#列表列表图片名称
        url1="https://www.tupianzj.com"+j.get("href")[0:-5]#类比列表图片详情链接
        text=Soup.find_all("div",{"class":"pages"})[0].find_all("a")[1].get("href")#下一页
        page1=Soup.find_all("span",{"class":"pageinfo"})[0].find("strong").get_text()#获取总页数
        url2=url+text[0:-6]+page+".html"
        print(url2,page1)
        try:
          os.mkdir(name)#创建文件
        except:
          pass
        tu_detail(name,url1,2)
        if page==1:
          for z in range(2,int(page1))
            tu_list(url2,page)
      except:
        pass

4、获取详情图片，并保存

def tu_detail(path,url,page):
  """获取详情"""
  if page<=2:
    page=2
  response = requests.get(url+"_"+str(page)+".html",headers=headers)
  response.encoding="gbk"
  Soup = BeautifulSoup(response.text, "html.parser")
  img_url=Soup.find("img",id="bigpicimg").get("src")
  with open(path+"\\"+str(int(time.time()*1000000))+".jpg","wb") as f:
    img=requests.get(img_url,headers=headers).content
    f.write(img)
  text=Soup.find_all("div",{"class":"pages"})[0].find("a")
  page1=re.findall(r"\d+",text.decode())[0]
  if page==2:
    for i in range(int(page)+1,int(page1)+1):
      tu_detail(path,url,i)
  else:
    return

知识点总结

学会此文，可掌握知识点。

1、掌握BeautifulSoup

区分find，find_all的用法：find，查找第一个返回字符串，find_all 查找所有，返回列表

区分get，get_text的用法：get获取标签中的属性，get_text获取标签包围的文字。

2、掌握正则，re.findall 的使用

3、掌握字符串切片的方式 str[0,-5] 截取第一个文字，到倒数第5个文字。

4、掌握创建文件夹的方法os.mkdir(name)

5、掌握with open（f，w） as f：的用法

6、掌握requests模块的get请求方法。

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2022-01-12，如有侵权请联系 cloudcommunity@tencent.com 删除

http

爬虫

网站

本文分享自大家一起学编程微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

http

爬虫

网站

登录后参与评论

0 条评论

热度