南强小屋 Design By 杰米
目的:在百度贴吧输入关键字和要查找的起始结束页,获取帖子里面楼主所发的图片
思路:
- 获取分页里面的帖子链接列表
- 获取帖子里面楼主所发的图片链接列表
- 保存图片到本地
注意事项:
- 问题:在谷歌浏览器使用xpath helper插件时有匹配结果,但在程序里面使用python内带的xpath匹配却为空的原因。
- 原因:不同服务器会对不同的浏览器返回不同的数据,导致在谷歌浏览器看到的和服务器返回的有区别
- 解决方法:使用IE浏览器的User-agenet,而且越老的版本,报错几率相对越小
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import urllib2
import urllib
import os
from lxml import etree
keyword = raw_input('请输入要查询的关键字: ')
keyword = {'kw':keyword}
kw = urllib.urlencode(keyword)
startpage = raw_input('请输入开始页数: ')
endpage = raw_input('请输入结束页数: ')
url = 'https://tieba.baidu.com/f' + '"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 为 HTML DOM文档
content = etree.HTML(html)
# xpath使用下面括号内容进行匹配,使用a的属性使用了class='j_th_tit'去过滤广告则匹配结果为空;换成a的属性rel="noreferrer"就解决。为啥换不清楚。思路,这个属性不行换个属性。
# 获取每个分页里面的帖子的链接列表
link_list = content.xpath('//div[@class="threadlist_lz clearfix"]/div/a[@rel="noreferrer"]/@href')
# 获取该帖子楼主所发的图片链接列表
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字符串解析为html dom
content2 = etree.HTML(html2)
# 使用xpath匹配其里面层主所发的图片的链接
link_list2 = content2.xpath('//img[@class="BDE_Image"]/@src')
# 遍历图片链接列表,保存图片到文件夹images内
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 张图片'%n)
# html3为返回的图片内容,把图片写入images2文件夹内
with open('images' + '/' + filename,'wb') as f:
f.write(html3)
print('下载结束!')
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
南强小屋 Design By 杰米
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
南强小屋 Design By 杰米
暂无python2爬取百度贴吧指定关键字和图片代码实例的评论...
P70系列延期,华为新旗舰将在下月发布
3月20日消息,近期博主@数码闲聊站 透露,原定三月份发布的华为新旗舰P70系列延期发布,预计4月份上市。
而博主@定焦数码 爆料,华为的P70系列在定位上已经超过了Mate60,成为了重要的旗舰系列之一。它肩负着重返影像领域顶尖的使命。那么这次P70会带来哪些令人惊艳的创新呢?
根据目前爆料的消息来看,华为P70系列将推出三个版本,其中P70和P70 Pro采用了三角形的摄像头模组设计,而P70 Art则采用了与上一代P60 Art相似的不规则形状设计。这样的外观是否好看见仁见智,但辨识度绝对拉满。