Python实现的爬取百度贴吧图片功能完整示例

Python  /  管理员 发布于 7年前   205

本文实例讲述了Python实现的爬取百度贴吧图片功能。分享给大家供大家参考，具体如下：

#coding:utf-8import requestsimport urllib2import urllib```from lxml import etreeclass Tieba:  def __init__(self):    self.tiebaName = raw_input("请输入需要爬取的贴吧:")    self.beginPage = int(raw_input("请输入爬取的起始页："))    self.endPage = int(raw_input("请输入爬取的结束页："))    self.baseURL = "http://tieba.baidu.com"    #self.headers = {"User-Agent" : "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.86 Safari/537.36"}    self.headers = {"User-Agent" : "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1 Trident/5.0;"} def startWork(self):    """      发送贴吧每一页的url请求    """    for page in range(self.beginPage, self.endPage + 1):      pn = (page - 1) * 50      keyword = {"kw" : self.tiebaName, "pn" : pn}      kw = urllib.urlencode(keyword)      url = self.baseURL + "/f?" + kw      #print url      html = self.loadRequest(url)      self.loadPage(html)  def loadRequest(self, url):    """      发送请求，返回响应      url: 发送请求的url地址    """    request = urllib2.Request(url, headers = self.headers)    #request = urllib2.Request(url)    response = urllib2.urlopen(request)    return response.read()  def loadPage(self, html):    """      提取每个帖子的url，并发送请求，获取响应      html: 贴吧每一页的html    """    content = etree.HTML(html)    print '------'    print content    # xpath 返回的所有匹配成功后的结果的列表    #pagelink_list = content.xpath("//div[@class='threadlist_lz clearfix']/div/a[@class='j_th_tit']/@href")    pagelink_list = content.xpath("//div[@class='col2_right j_threadlist_li_right']//div/a/@href")    pagelink_list = content.xpath("//div[@class='t_con cleafix']//div/a/@href")    for link in pagelink_list:      print link      self.loadImage(self.loadRequest(self.baseURL + link))  def loadImage(self, html):    """      提取帖子里用户发送的图片的url地址      html: 每个帖子的html    """    content = etree.HTML(html)    imagelink_list = content.xpath("//div[@class='p_content ']//img[@class='BDE_Image']/@src")    for link in imagelink_list:      self.writeImage(self.loadRequest(link), link[-10:])  def writeImage(self, data, filename):    """      将图片的响应数据，写入到本地磁盘里      data: 图片的响应数据      filename: 文件名(图片url的后10位)    """    print "正在保存图片...%s" % filename    with open(filename, "wb") as f:      f.write(data)if __name__ == "__main__":  tieba = Tieba()  tieba.startWork()

更多关于Python相关内容可查看本站专题：《Python Socket编程技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。