爬虫明星图片 python


# -*- coding: utf-8 -*-
"""
Created on Mon Oct 16 20:32:27 2017

@author: Jingwang Li
"""
import requests
import re
import os
from pypinyin import pinyin, lazy_pinyin


def getHTMLText(url):
    try:
        r = requests.get(url, timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        print("")


def getPageUrls(text, name):
    re_pageUrl = r'href="(.+)">\s*<img src="(.+)" alt="' + name
    return re.findall(re_pageUrl, text)


def downPictures(text, root, name):
    pageUrls = getPageUrls(text, name)
    titles = re.findall(r'alt="' + name + r'(.+)" ', text)
    for i in range(len(pageUrls)):
        pageUrl = pageUrls[i][0]
        path = root + titles[i] + "//"
        if not os.path.exists(path):
            os.mkdir(path)
        if not os.listdir(path):
            pageText = getHTMLText(pageUrl)
            totalPics = int(re.findall(r'<em>(.+)</em>)', pageText)[0])
            downUrl = re.findall(r'href="(.+?)" class="">下载图片', pageText)[0]
            cnt = 1;
            while (cnt <= totalPics):
                picPath = path + str(cnt) + ".jpg"
                r = requests.get(downUrl)
                with open(picPath, 'wb') as f:
                    f.write(r.content)
                    f.close()
                print('{} - 第{}张下载已完成\n'.format(titles[i], cnt))
                cnt += 1
                nextPageUrl = re.findall(r'href="(.+?)">下一张', pageText)[0]
                pageText = getHTMLText(nextPageUrl)
                downUrl = re.findall(r'href="(.+?)" class="">下载图片', pageText)[0]
    return


def main():
    name = input("请输入你喜欢的明星的名字:")
    nameUrl = "http://www.win4000.com/mt/" + ''.join(lazy_pinyin(name)) + ".html"
    try:
        text = getHTMLText(nameUrl)
        if not re.findall(r'暂无(.+)!', text):
            root = "D://pics//" + name + "//"
            if not os.path.exists(root):
                os.mkdir(root)
            downPictures(text, root, name)
            try:
                nextPage = re.findall(r'next" href="(.+)"', text)[0]
                while (nextPage):
                    nextText = getHTMLText(nextPage)
                    downPictures(nextText, root, name)
                    nextPage = re.findall(r'next" href="(.+)"', nextText)[0]
            except IndexError:
                print("已全部下载完毕")
    except TypeError:
        print("不好意思,没有{}的照片".format(name))
    return


if __name__ == '__main__':
    main()

reference:

https://www.cnblogs.com/JingwangLi/p/10202836.html

使用Selenium进行Python爬虫获取明星图片通常涉及以下几个步骤: 1. **安装依赖**: 首先需要安装Selenium库以及支持的浏览器驱动(如ChromeDriver、FirefoxDriver)。你可以通过pip安装它们: ``` pip install selenium webdriver_manager ``` 2. **导入必要的模块**: 导入`webdriver_manager`来管理浏览器驱动,`time`来控制网页加载时间,以及`os`来处理文件路径等。 3. **初始化浏览器**: 根据你要使用的浏览器,创建一个新的WebDriver实例。例如,如果选择Chrome浏览器: ```python from webdriver_manager.chrome import ChromeDriverManager driver = webdriver.Chrome(ChromeDriverManager().install()) ``` 4. **打开网页**: 使用`get()`方法加载明星图片所在的URL: ```python url = "https://www.example.com/star-pictures" # 替换为实际明星图片页面 driver.get(url) ``` 5. **等待元素加载**: 确保图片加载完毕后再进行抓取,可以使用`time.sleep()`或`.implicitly_wait()`设置延迟: ```python time.sleep(3) # 等待3秒,假设默认延时足够,也可以调整这个值 ``` 6. **定位图片元素**: 使用`find_element_by_...`方法(如`By.XPATH`、`By.CSS_SELECTOR`等)找到图片的HTML元素。这里是一个XPath示例: ```python from selenium.webdriver.common.by import By image_element = driver.find_element(By.XPATH, '//img[contains(@src, "star")]') ``` 7. **下载图片**: 获取到图片元素后,可以通过`get_attribute('src')`得到图片链接,然后使用第三方库如`PIL`或`requests`下载图片。例如,使用`PIL`: ```python from PIL import Image img_url = image_element.get_attribute('src') response = requests.get(img_url) with open("star_image.jpg", 'wb') as f: f.write(response.content) ``` 8. **关闭浏览器**: 完成操作后记得关闭浏览器: ```python driver.quit() ``` 9. **异常处理**: 考虑加入try-except块处理可能遇到的网络错误、找不到元素等情况。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值