参考网址:https://www.cnblogs.com/baijifeilong/p/3708198.html
爬取图虫网上关于墨镜的照片
图虫网搜索墨镜之后的网址
https://stock.tuchong.com/search?source=tc_pc_home_search&term=“墨镜”
然后通过urllib 获取页面html的文本,对文本进行分析 发现文本中只有图片的ID
从网页中打开图片链接 发现链接规律为
由此 发现图片的URL可以使用
urllib.request.urlretrieve 获取图片
代码如下:
import re, os, time
import urllib.parse
import urllib.request
def getHtml(url):#取得网页的html纯文本
return urllib.request.urlopen(url).read().decode('utf-8')
if __name__ == '__main__':
print('---图虫图片抓取器---')
for n in range(1, 51):
pageNo = n
print(pageNo)
folder = savepath+str(pageNo)
if not os.path.exists(folder):
os.makedirs(folder)
#url汉字编码处理
url = 'https://stock.tuchong.com/search?source=tc_pc_home_search&term={}&page={}'.format(urllib.parse.quote('墨镜'), str(pageNo))
#获取页面HTML文本
html = getHtml(url)
x = 0
pattern = re.compile(r'\d+')
match = pattern.findall(html)
num = len(match)
for i in range(num):
if len(match[i])>15:
print(match[i])
imageurl = "http://p1.pstatp.com/weili/m/"+match[i]+".webp"
urllib.request.urlretrieve(imageurl,folder+'\\%s.jpg'%x)
x+=1
print("第 "+str(pageNo)+" 下载结束")
print('下载结束。')