爬取妹子网的低级教程连接如下:[爬妹子网](https://blog.csdn.net/baidu_35085676/article/details/68958267)

ps:只支持单个套图下载,不支持整体下载

在说说我的这个爬虫代码的设计思路:

①当我们浏览这个网站时,会发现,每一个页面的URL都是以网站的域名+page+页数组成,这样我们就可以逐一的访问该网站的网页了

20180329194743.png

②当我们看图片列表时中,把鼠标放到图片,右击检查,我们发现,图片的内容由ul包裹的li组成,箭头所指的地方为每个套图的地址,这样我们就可以进入套图,一个这样的页面包含有24个这样的套图,我们用BeautifulSoup,处理。





20180329195515.png

③我们进入套图,鼠标放到40处,右击,发现该套图图片的最大图片数为第十个span的值,而且每个套图的url同①原理相同为套图的url+第几张图片(如下图3为第二张图片),最后下载的url由一个class为main-titleDIV组成。提取img标签的src属性即可获得下载链接

20180329200714.png

20180329221244.png

20180329221526.png


20180329222030.png

from bs4 import BeautifulSoup

import requests

import os

base_url='http://www.mzitu.com/page/'

#反‘反盗链’

header = { 'Referer':'http://www.mzitu.com'}



for x in range(11,20):

#盗取第十一页到19页图片

    html_a=requests.get(base_url+str(x),headers=header)


    soup_a=BeautifulSoup(html_a.text,features='lxml')

#解析第一个网页

    pages=soup_a.find('ul',{'id':'pins'}).find_all('a')

#选出a标签,如第二步的箭头所指的地方

    b=1

    for y in pages:

        if(b%2!=0):

#因为一个li标签里面有两个a标签,所以要去除重复

            html=requests.get(y['href'],headers=header)

            soup_b=BeautifulSoup(html.text,features='lxml')

#进入套图,解析套图

            pic_max=soup_b.find_all('span')[10].text

#选出该套图的最大图片数

            tittle=soup_b.find('h2',{'class':'main-title'}).text


            os.makedirs('./img/'+str(tittle))

#制造一个目录

            for i in range(1,int(pic_max)+1):

#循环,下载套图图片,

                href=y['href']+'/'+str(i)

                html2=requests.get(href,headers=header)

                soup2=BeautifulSoup(html2.text,features='lxml')


                pic_url=soup2.find('img',alt=tittle)

                html_name=requests.get(pic_url['src'],headers=header,stream=True)

                file_name=pic_url['src'].split(r'/')[-1]

                

                with open('./img/'+str(tittle)+'/'+file_name,'wb') as f:

#按32字节下载

                    for x in html_name.iter_content(chunk_size=32):

                        f.write(x)

            

            

        b=b+1

print('ok')#判断程序是否结束


from bs4 import BeautifulSoup
import requests
import os
import re
base_url=' 

header = { 'Referer':'http://www.mzitu.com'}
for x in range(61,62):
    html_a=requests.get(base_url+str(x),headers=header)
    soup_a=BeautifulSoup(html_a.text,features='lxml')
    pages=soup_a.find('ul',{'id':'pins'}).find_all('a')
    
    test=re.findall('"href":"(.*?)"',pages)
    print(test)
    b=1
    for y in pages:
        if(b%2!=0):
            html=requests.get(y['href'],headers=header)
            soup_b=BeautifulSoup(html.text,features='lxml')
            pic_max=soup_b.find_all('span')[10].text
            tittle=soup_b.find('h2',{'class':'main-title'}).text
            u=str(tittle).replace(':','').replace('!','').replace('?','').replace(',','').replace(' ','')
            
            os.makedirs('./img/'+u)
            
            for i in range(1,int(pic_max)+1):
                href=y['href']+'/'+str(i)
                html2=requests.get(href,headers=header)
                soup2=BeautifulSoup(html2.text,features='lxml')
                pic_url=soup2.find('img',alt=tittle)
                html_name=requests.get(pic_url['src'],headers=header,stream=True)
                file_name=pic_url['src'].split(r'/')[-1]
                
                with open('./img/'+u+'/'+file_name,'wb') as f:
                    for x in html_name.iter_content(chunk_size=32):
                        f.write(x)
            
            
        b=b+1
print('ok')

以上代码为原创代码,