本次爬蟲用到的網址是:
http://www.netbian.com/index.htm: 彼岸桌面.里面有很多的好看壁紙,而且都是可以下載高清無損的,還比較不錯,所以我就拿這個網站練練手。
作為一個初學者,剛開始的時候,無論的代碼的質量如何,總之代碼只要能夠被正確完整的運行那就很能夠讓自己開心的,如同我們的游戲一樣,能在短時間內得到正向的反饋,我們就會更有興趣去玩。
學習也是如此,只要我們能夠在短期內得到學習帶來的反饋,那么我們的對于學習的欲望也是強烈的。
作為一個菜雞,能夠完整的完整此次爬蟲程序的編寫,那便是一個最大的收貨,但其實我在此次過程中的收獲遠不止此。
好的代碼其實應該具有以下特性
- 能夠滿足最關鍵的需求
- 容易理解
- 有充分的注釋
- 使用規(guī)范的命名
- 沒有明顯的安全問題
- 經過充分的測試
就以充分的測試為例,經常寫代碼的就應該知道,盡管多數時候你的代碼沒有BUG,但那僅僅說明只是大多數情況下是穩(wěn)定的,但是在某些條件下就會出錯(達到出錯條件,存在邏輯問題的時候等)。這是肯定的。至于什么原因,不同的代碼有不同的原因。如果代碼程序都是一次就能完善的,那么我們使用的軟件的軟件就不會經常更新了。其他其中的道理就不一 一道說了,
久而自知
好的代碼一般具有的5大特性
1.便于維護
2.可復用
3.可擴展
4.強靈活性
5.健壯性
經過我的代碼運行我發(fā)現時間復雜度比較大,因此這是我將要改進的地方,但也不止于此。也有很多利用得不合理的地方,至于存在的不足的地方就待我慢慢提升改進吧!
路過的大佬歡迎留下您寶貴的代碼修改意見,
完整代碼如下
import os
import bs4
import re
import time
import requests
from bs4 import BeautifulSoup
def getHTMLText(url, headers):
"""向目標服務器發(fā)起請求并返回響應"""
try:
r = requests.get(url=url, headers=headers)
r.encoding = r.apparent_encoding
soup = BeautifulSoup(r.text, "html.parser")
return soup
except:
return ""
def CreateFolder():
"""創(chuàng)建存儲數據文件夾"""
flag = True
while flag == 1:
file = input("請輸入保存數據文件夾的名稱:")
if not os.path.exists(file):
os.mkdir(file)
flag = False
else:
print('該文件已存在,請重新輸入')
flag = True
# os.path.abspath(file) 獲取文件夾的絕對路徑
path = os.path.abspath(file) + "\\"
return path
def fillUnivList(ulist, soup):
"""獲取每一張圖片的原圖頁面"""
# [0]使得獲得的ul是 class 'bs4.BeautifulSoup'> 類型
div = soup.find_all('div', 'list')[0]
for a in div('a'):
if isinstance(a, bs4.element.Tag):
hr = a.attrs['href']
href = re.findall(r'/desk/[1-9]\d{4}.htm', hr)
if bool(href) == True:
ulist.append(href[0])
return ulist
def DownloadPicture(left_url,list,path):
for right in list:
url = left_url + right
r = requests.get(url=url, timeout=10)
r.encoding = r.apparent_encoding
soup = BeautifulSoup(r.text,"html.parser")
tag = soup.find_all("p")
# 獲取img標簽的alt屬性,給保存圖片命名
name = tag[0].a.img.attrs['alt']
img_name = name + ".jpg"
# 獲取圖片的信息
img_src = tag[0].a.img.attrs['src']
try:
img_data = requests.get(url=img_src)
except:
continue
img_path = path + img_name
with open(img_path,'wb') as fp:
fp.write(img_data.content)
print(img_name, " ******下載完成!")
def PageNumurl(urls):
num = int(input("請輸入爬取所到的頁碼數:"))
for i in range(2,num+1):
u = "http://www.netbian.com/index_" + str(i) + ".htm"
urls.append(u)
return urls
if __name__ == "__main__":
uinfo = []
left_url = "http://www.netbian.com"
urls = ["http://www.netbian.com/index.htm"]
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36"
}
start = time.time()
# 1.創(chuàng)建保存數據的文件夾
path = CreateFolder()
# 2. 確定要爬取的頁面數并返回每一頁的鏈接
PageNumurl(urls)
n = int(input("訪問的起始頁面:"))
for i in urls[n-1:]:
# 3.獲取每一個頁面的首頁數據文本
soup = getHTMLText(i, headers)
# 4.訪問原圖所在頁鏈接并返回圖片的鏈接
page_list = fillUnivList(uinfo, soup)
# 5.下載原圖
DownloadPicture(left_url, page_list, path)
print("全部下載完成!", "共" + str(len(os.listdir(path))) + "張圖片")
end = time.time()
print("共耗時" + str(end-start) + "秒")
運行
部分展示結果如下:
以上就是python 爬取壁紙網站的示例的詳細內容,更多關于python 爬取壁紙網站的資料請關注腳本之家其它相關文章!
您可能感興趣的文章:- python爬取新聞門戶網站的示例
- Python爬取網站圖片并保存的實現示例
- Python爬蟲設置Cookie解決網站攔截并爬取螞蟻短租的問題
- python 多線程爬取壁紙網站的示例
- python爬蟲爬取某網站視頻的示例代碼
- python爬蟲實現爬取同一個網站的多頁數據的實例講解
- Python實現JS解密并爬取某音漫客網站
- python 爬取免費簡歷模板網站的示例
- Python3 實現爬取網站下所有URL方式
- 使用python爬取taptap網站游戲截圖的步驟