当前位置:脚本大全 > > 正文

python抓取贴吧标题和图片代码(Python实现的爬取百度贴吧图片功能完整示例)

时间:2021-10-02 01:46:38类别:脚本大全

python抓取贴吧标题和图片代码

Python实现的爬取百度贴吧图片功能完整示例

本文实例讲述了python实现的爬取百度贴吧图片功能。分享给大家供大家参考,具体如下:

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • #coding:utf-8
  • import requests
  • import urllib2
  • import urllib
  • ```
  • from lxml import etree
  • class tieba:
  •   def __init__(self):
  •     self.tiebaname = raw_input("请输入需要爬取的贴吧:")
  •     self.beginpage = int(raw_input("请输入爬取的起始页:"))
  •     self.endpage = int(raw_input("请输入爬取的结束页:"))
  •     self.baseurl = "http://tieba.baidu.com"
  •     #self.headers = {"user-agent" : "mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) chrome/59.0.3071.86 safari/537.36"}
  •     self.headers = {"user-agent" : "mozilla/5.0 (compatible; msie 9.0; windows nt 6.1 trident/5.0;"} def startwork(self):
  •     """
  •       发送贴吧每一页的url请求
  •     """
  •     for page in range(self.beginpage, self.endpage + 1):
  •       pn = (page - 1) * 50
  •       keyword = {"kw" : self.tiebaname, "pn" : pn}
  •       kw = urllib.urlencode(keyword)
  •       url = self.baseurl + "/f?" + kw
  •       #print url
  •       html = self.loadrequest(url)
  •       self.loadpage(html)
  •   def loadrequest(self, url):
  •     """
  •       发送请求,返回响应
  •       url: 发送请求的url地址
  •     """
  •     request = urllib2.request(url, headers = self.headers)
  •     #request = urllib2.request(url)
  •     response = urllib2.urlopen(request)
  •     return response.read()
  •   def loadpage(self, html):
  •     """
  •       提取每个帖子的url,并发送请求,获取响应
  •       html: 贴吧每一页的html
  •     """
  •     content = etree.html(html)
  •     print '------'
  •     print content
  •     # xpath 返回的所有匹配成功后的结果的列表
  •     #pagelink_list = content.xpath("//li[@class='threadlist_lz clearfix']/li/a[@class='j_th_tit']/@href")
  •     pagelink_list = content.xpath("//li[@class='col2_right j_threadlist_li_right']//li/a/@href")
  •     pagelink_list = content.xpath("//li[@class='t_con cleafix']//li/a/@href")
  •     for link in pagelink_list:
  •       print link
  •       self.loadimage(self.loadrequest(self.baseurl + link))
  •   def loadimage(self, html):
  •     """
  •       提取帖子里用户发送的图片的url地址
  •       html: 每个帖子的html
  •     """
  •     content = etree.html(html)
  •     imagelink_list = content.xpath("//li[@class='p_content ']//img[@class='bde_image']/@src")
  •     for link in imagelink_list:
  •       self.writeimage(self.loadrequest(link), link[-10:])
  •   def writeimage(self, data, filename):
  •     """
  •       将图片的响应数据,写入到本地磁盘里
  •       data: 图片的响应数据
  •       filename: 文件名(图片url的后10位)
  •     """
  •     print "正在保存图片...%s" % filename
  •     with open(filename, "wb") as f:
  •       f.write(data)
  • if __name__ == "__main__":
  •   tieba = tieba()
  •   tieba.startwork()
  • 希望本文所述对大家python程序设计有所帮助。

    原文链接:https://blog.csdn.net/xuezhangjun0121/article/details/73719059

    上一篇下一篇

    猜您喜欢

    热门推荐