亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

python2爬取百度貼吧指定關鍵字和圖片代碼實例

系統 1589 0

目的:在百度貼吧輸入關鍵字和要查找的起始結束頁,獲取帖子里面樓主所發的圖片

思路:

  • 獲取分頁里面的帖子鏈接列表
  • 獲取帖子里面樓主所發的圖片鏈接列表
  • 保存圖片到本地

注意事項:

  • 問題:在谷歌瀏覽器使用xpath helper插件時有匹配結果,但在程序里面使用python內帶的xpath匹配卻為空的原因。
  • 原因:不同服務器會對不同的瀏覽器返回不同的數據,導致在谷歌瀏覽器看到的和服務器返回的有區別
  • 解決方法:使用IE瀏覽器的User-agenet,而且越老的版本,報錯幾率相對越小
            
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import urllib2
import urllib
import os
from lxml import etree
keyword = raw_input('請輸入要查詢的關鍵字: ')

keyword = {'kw':keyword}

kw = urllib.urlencode(keyword)

startpage = raw_input('請輸入開始頁數: ')

endpage = raw_input('請輸入結束頁數: ')

url = 'https://tieba.baidu.com/f' + '?' + kw

print('開始下載...')
# 計算下載的圖片個數,注意:變量n如放在最外層循環,可以統計每個分頁圖片個數
n = 0
# 獲取分頁里面帖子鏈接列表,獲取每個帖子里樓主所發的圖片鏈接列表,保存圖片
# 獲取帖子鏈接列表
for page in range(int(startpage),int(endpage)+1):
    pnumber = {'pn': str((page - 1)*50)}
    pnumber = urllib.urlencode(pnumber)
    fullurl = url + '&' + pnumber
    # 發現使用谷歌瀏覽器的User-Agent,會導致后面的xpath匹配結果有時為空。原因:服務器會對不同的瀏覽器發出的同一請求返回不同格式的數據,此時返回的數據和在谷歌瀏覽器里面看到的數據不同。
    # 解決辦法:使用IE瀏覽器的User-Agent,因為IE的相對來說更標準,而且版本越老問題越少。
    headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64; Trident/7.0; rv:11.0) like Gecko"}
    request = urllib2.Request(fullurl,headers=headers)
    response = urllib2.urlopen(request)
    html = response.read()

    # 解析html 為 HTML DOM文檔
    content = etree.HTML(html)
    # xpath使用下面括號內容進行匹配,使用a的屬性使用了class='j_th_tit'去過濾廣告則匹配結果為空;換成a的屬性rel="noreferrer"就解決。為啥換不清楚。思路,這個屬性不行換個屬性。
    # 獲取每個分頁里面的帖子的鏈接列表
    link_list = content.xpath('//div[@class="threadlist_lz clearfix"]/div/a[@rel="noreferrer"]/@href')
    # 獲取該帖子樓主所發的圖片鏈接列表
    for link in link_list:
      link = 'https://tieba.baidu.com' + link 
      request2 = urllib2.Request(link,headers=headers)
      response2 = urllib2.urlopen(request2)
      html2 = response2.read()

      # 把html字符串解析為html dom
      content2 = etree.HTML(html2)

      # 使用xpath匹配其里面層主所發的圖片的鏈接
      link_list2 = content2.xpath('//img[@class="BDE_Image"]/@src')

      # 遍歷圖片鏈接列表,保存圖片到文件夾images內
      for link2 in link_list2:

        request3 = urllib2.Request(link2,headers=headers)
        response3 = urllib2.urlopen(request3)
        html3 = response3.read()
        # 指定文件名
        filename = link2[-10:]
        n += 1
        print('正在保存第 %3d 張圖片'%n)

        # html3為返回的圖片內容,把圖片寫入images2文件夾內
        with open('images' + '/' + filename,'wb') as f:
          f.write(html3)

print('下載結束!')
          

以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。


更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 天天色狠狠干 | 久久精品这里 | 67194在线午夜亚洲 | 欧美啊v| 亚洲免费在线观看视频 | 国产一区二区久久精品 | 欧美色综合图区 | 日韩精品亚洲人成在线观看 | 成人免费www在线高清观看 | 天天做天天爱夜夜爽毛片毛片 | 美女羞羞视频网站 | 夜夜爽毛片 | 成人短视频网站 | 欧洲亚洲一区 | 午夜宅男免费完整在线观看 | 天天爱天天做天天爽天天躁 | 免费观看欧美一级特黄 | 欧美高清免费精品国产自 | 亚洲免费精品视频 | 美女一级毛片免费观看 | 日韩欧美aa级草草免费视频 | 国产人成激情视频在线观看 | 久久久精品国产四虎影视 | 国产成人一区二区三区在线视频 | 亚洲综合网站久久久 | 成年网站视频在线观看 | 九九热免费观看 | 久久精品免费全国观看国产 | 精品久久久久久综合日本 | 亚洲男人天堂视频 | 免费一级毛片无毒不卡 | 亚洲国产精品日韩在线观看 | 亚洲欧美一区二区三区麻豆 | 国产福利久久 | 成年人国产网站 | 一级片看看 | 一区二区日韩欧美 | 久久草视频在线 | 亚洲视频不卡 | 亚洲成年网站 | 天天操中文字幕 |