简单爬取妹子图

本博文学自卧槽哥：采用Python2.7版本
http://cuiqingcai.com/3179.html

首先用 type检查编码
直接用str(title)不行
下面说方法：
- import sys
  reload(sys)
  sys.setdefaultencoding(‘utf-8’)
- path = str(title).strip().decode(‘utf-8’)
  os.makedirs(os.path.join(“D:\mzitu”, path))
  oschdir(“D:\mzitu\” + path)

附上代码：

# -*- coding:utf-8 -*-
import requests ##导入requests
from bs4 import BeautifulSoup ##导入bs4中的BeautifulSoup
import os
import sys

reload(sys)
sys.setdefaultencoding('utf-8')

headers = {'User-Agent':"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1"}##浏览器请求头（大部分网站没有这个请求头会报错、请务必加上哦）
all_url = 'http://www.mzitu.com/all'  ##开始的URL地址
start_html = requests.get(all_url,  headers=headers)  ##使用requests中的get方法来获取all_url(就是：http://www.mzitu.com/all这个地址)的内容 headers为上面设置的请求头、请务必参考requests官方文档解释
#print(start_html.text) ##打印出start_html (请注意，concent是二进制的数据，一般用于下载图片、视频、音频、等多媒体内容是才使用concent, 对于打印网页内容请使用text)

#text 尤为重要，谨记
Soup = BeautifulSoup(start_html.text, 'lxml')


##li_list = Soup.find_all('li')
##
##for li in li_list:
##    print(li)
all_a = Soup.find('div', class_='all').find_all('a')
for a in all_a:
##    print(a)
#创建文件夹
    title = a.get_text()
    path = str(title).strip().decode('utf-8')
    os.makedirs(os.path.join("D:/mzitu", path))
    os.chdir('D:/mzitu//'+title)


    href = a['href']
    #print title, href
    html = requests.get(href, headers = headers)
    html_Soup = BeautifulSoup(html.text, 'lxml')
    max_span = html_Soup.find_all('span')[10].get_text()

    for page in range(1, int(max_span)+1):
        page_url = href + '/' + str(page)
        #print(page_url)
        img_html = requests.get(page_url, headers = headers)
        img_Soup = BeautifulSoup(img_html.text, 'lxml')
        img_url = img_Soup.find('div', class_='main-image').find('img')['src']
        #print(img_url)
        name = img_url[-9:-4]
        img = requests.get(img_url, headers = headers)
        f = open(name+'.jpg', 'ab')
        f.write(img.content)
        f.close()

猜你喜欢