标签：批量 endNUM python beginNUM 爬取 nowpage print div find

不废话上代码

import urllib.request
from bs4 import BeautifulSoup
import os


def Download(url, picAlt, name):
    path = 'D:\\tupian\\' + picAlt + '\\'
    # 判断系统是否存在该路径，不存在则创建
    if not os.path.exists(path):
        os.makedirs(path)
    # 下载图片并保存在本地
    urllib.request.urlretrieve(url, '{0}{1}.jpg'.format(path, name))

#定义请求头
header = {
    "User-Agent": 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.116 Safari/537.36',
    'Accept': '*/*',
    'Accept-Language': 'en-US,en;q=0.8',
    'Cache-Control': 'max-age=0',
    'Connection': 'keep-alive'
}

#网页分析
def run(targetUrl, beginNUM, endNUM):
    #创建网络请求对象
    req = urllib.request.Request(url=targetUrl, headers=header)
    response = urllib.request.urlopen(req)  # 这里的req可看成一种更为高级的URL
    #设置请求参数
    html = response.read().decode('gb2312', 'ignore')  # 解码 得到这个网页的html源代码：这个网站的编码使用的是GB2312格式，更常见的网站编码格式应该是UTF-8了吧
    soup = BeautifulSoup(html, 'html.parser')  # 将得到的HTML代码使用python自带的解析器（也可以使用lxml解析器，性能会更好，本代码从简
    # 获取图片div
    Divs = soup.find_all('div', attrs={'id': 'big-pic'})
    #当前页
    nowpage = soup.find('span', attrs={'class': 'nowpage'}).get_text()
    #所有页
    totalpage = soup.find('span', attrs={'class': 'totalpage'}).get_text()
    if beginNUM == endNUM:  # 跳出条件
        return
    for div in Divs:
        beginNUM = beginNUM + 1
        #判断是否存在图片
        if div.find("a") is None:  # 如果这张图片没有下一张图片的链接
            print("没有图片")
            return
        # 有链接，但是是 空链接
        elif div.find("a")['href'] is None or div.find("a")['href'] == "":
            print("没有图片")
            return
        #展示进度
        print("下载信息：总进度：", beginNUM, "/", endNUM, " ，正在下载组图：(",nowpage, "/", totalpage, ")")

        # 变换成下一页
        if int(nowpage) < int(totalpage):
            #获取下一张图片链接
            nextPageLink = "http://www.mmonly.cc/mmtp/qcmn/" + (div.find('a')['href'])
        elif int(nowpage) == int(totalpage):
            #获取下一组图片链接
            nextPageLink = (div.find('a')['href'])
        #获取图片链接
        picLink = (div.find('a').find('img')['src'])  # 本网站大图的SRC属性是下一张图片的链接
        picAlt = (div.find('a').find('img'))['alt']  # 图片的名字alt属性
        print('下载的图片链接:', picLink)
        print('组图名：[ ', picAlt, ' ] ')
        print('开始下载...........')
        Download(picLink, picAlt, nowpage)
        print("下载成功！")
        print('下一页链接:', nextPageLink)
        # 递归
        run(nextPageLink, beginNUM, endNUM)
        return


#主函数
if __name__ == '__main__':
    # http://www.mmonly.cc/mmtp/qcmn任意一个网址开始爬取，是爬取的起点（）
    targetUrl ="http://www.mmonly.cc/mmtp/qcmn/237273_10.html"
    run(targetUrl, beginNUM=0, endNUM=200)  # 设置下载图片数量：endNUM-beginNUM 数字相减为总数量

标签：批量,endNUM,python,beginNUM,爬取,nowpage,print,div,find
来源： https://blog.csdn.net/qq_27251141/article/details/122008856

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。