小甲鱼python视频xxoo爬虫代码改进--煎蛋网

2020/7/31 今天学习得是关于小甲鱼得python课程，根据这个课程也确确实实得学到了不少东西，所以希望大家也可以一起去学习
下面是我在小甲鱼上课改造之后得代码
这个课程是在b站上看的，号码是 av27789609
在这里插入图片描述

这个是第五十节左右得爬虫 ooxx
在这里插入图片描述

他的教学视频是很早的时候录得，现在的网站进行了base64的加密等反爬措施，所以在原有的基础上需要进行修改
下面是我的代码，希望可以给大家一些启发，同时也希望大佬们给与指点。

import urllib.request
import urllib.parse
import os
import base64
def urlopen(url):
    req=urllib.request.Request(url)
    req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36 Edge/18.18362')
    response=urllib.request.urlopen(req)
    html=response.read()
    return html

上面的这一个urlopen简单的说是为了进入网站，然后阅读网站的代码，从而之后为了找到图片的地址等等提供帮助

def getpage(url):
    html=urlopen(url).decode('utf-8')
    a=html.find('current-comment-page')+23
    b=html.find(']',a)
    return (html[a:b])

这个是网站里面的有个页数，选择第几页的时候会用的到，写道这里的时候可以尝试先print(html[a:b])，看是否出来对应的页数在进行操作，那里的"+23"其实是’current-comment-page’的长度，这样做+23之后就直接到达了页数所在的地方。

def findimg(url):
    html=urlopen(url).decode('utf-8')
    imgaddrs=[]
    a=html.find('src=')
    b=html.find('.jpg',a,a+255)
    while a!= -1:
        b=html.find('.jpg',a,a+255)
        if b!= -1:
          imgaddrs.append('https:'+html[a+5:b+4])
        else:
          b=a+5
        a=html.find('src=',b)
    return imgaddrs

这里是找图片的函数，在网站的源码中寻找src=，这样就可以找到网站里图片的地址，但是图片里的地址没有http:，所有就需要拼接一下使得网站里read（）到的地址加上http:，从而获得一个完整的网络地址。

def xiazai(floder='ooxx',pages=10):
    os.mkdir(floder)
    os.chdir(floder)
    url='http://jandan.net/pic/'
    pagenum=int(getpage(url))
    s = '20200730-'
    d='%d'%pagenum
    c=s+d
    b =base64.b64encode(c.encode('utf-8')).decode("utf-8")


    for i in range(pages):
        pagenum -= i
        pageurl=url+b+'#comments'
        imgaddrs=findimg(pageurl)
        imgaddrs=imgaddrs
        saveimg(floder,imgaddrs)
 if __name__ == '__main__':
    xiazai()

这个就是从网上下载的具体方法，这里注意的是原来的网站里面的代码经过了base64加密，就是这里面的s代表着每天的日期
这个其实放在最后好一些点。

def saveimg(folder,imgaddrs):
    for each in imgaddrs:
        filename=each.split('/')[-1]
        with open(filename,'wb') as f:
            img =urlopen(each)
            f.write(img)

这个是网站得到的图片进行保存，保存到指定的文件夹里面

这就是改完之后的了，亲测可以运行，希望大佬们给点指点

小甲鱼python视频xxoo爬虫代码改进--煎蛋网

猜你喜欢