吾爱破解 - LCG - LSG |安卓破解|病毒分析|www.52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 2274|回复: 17
收起左侧

[Python 转载] 我不知道如何把两个分开程序组合到一块 菜鸟求助

[复制链接]
wushigudan 发表于 2020-12-13 19:01
本帖最后由 wushigudan 于 2020-12-13 19:09 编辑

各位大佬 求赐教  因为不懂自动定义函数调用 我知道如何爬取目录连接跟 单个目录的图片地址  但是不知道如何放到一块使用 我先把代码贴出来
[Asm] 纯文本查看 复制代码
#获取目录
import requests ,time
from bs4 import BeautifulSoup
import sys
headers = {
     "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.75 Safari/537.36"
}
    for p in range(1, 10):
        url = "https://www.nvshens.org/gallery/chengshu/%s" % p + ".html"
        web_data = requests.get(url=url, headers=headers)
        soup = BeautifulSoup(web_data.text, 'lxml')
        imgs = soup.select('div.post_entry >div.listdiv > ul >li.galleryli >div.galleryli_div >a')
        for i in imgs:
            link = i.get('href')
            print('https://www.nvshens.org' + link)

这个为获取目录代码
输出结果如下

image.png


接下来是单个目录的图片前10页的图片地址获取

[Asm] 纯文本查看 复制代码
# 获取前十页的图片地址
import requests
from bs4 import BeautifulSoup
headers = {
     "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.75 Safari/537.36"
}

for ii in range(1, 10):
    url = "https://www.nvshens.org/g/34233/%s" % ii + ".html"
    web_data = requests.get(url=url, headers=headers)
    soup = BeautifulSoup(web_data.text, 'lxml')
    imgs = soup.select('div.photos>div.gallery_wrapper > ul >img')
    for i in imgs:
        img = i.get('src')
        print(img)

目录下的单个地址获取的图片链接
image.png
或许我做错了爬取方式  请大佬们帮忙看看
最后下载还没写 应该不难,新手诚心求教 麻烦各位大佬了

发帖前要善用论坛搜索功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

fortytwo 发表于 2020-12-13 19:32
[Python] 纯文本查看 复制代码
#获取目录
import re

import requests, time
from bs4 import BeautifulSoup
import sys


def get_pages():
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.75 Safari/537.36"
    }
    for p in range(1, 10):
        url = "https://www.nvshens.org/gallery/chengshu/%s" % p + ".html"
        web_data = requests.get(url=url, headers=headers)
        # print(web_data)
        soup = BeautifulSoup(web_data.text, 'lxml')
        imgs = soup.select('div.post_entry >div.listdiv > ul >li.galleryli >div.galleryli_div >a')
        temp = []
        for i in imgs:
            link = i.get('href')
            temp.append('https://www.nvshens.org' + link)
        return temp


def feilNameValid(name=None):
    if name is None:
        print("name is None!")
        return
    reg = re.compile(r'[\\/:*?"<>|\r\n]+')
    valid_name = reg.findall(name)
    if valid_name:
        for nv in valid_name:
            name = name.replace(nv, "_")
    return name


def get_page(page_url_head):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.75 Safari/537.36"
    }

    for ii in range(1, 10):
        url = page_url_head + "%s" % ii + ".html"
        web_data = requests.get(url=url, headers=headers)
        soup = BeautifulSoup(web_data.text, 'lxml')
        imgs = soup.select('div.photos>div.gallery_wrapper > ul >img')
        for i in imgs:
            img = i.get('src')
            with open(feilNameValid(name=url) + "/%s" % (str(ii)), "wb") as f:
                f.write(requests.get(img, headers={
                    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.75 Safari/537.36"
                }).content)


if __name__ == '__main__':
    for item in get_pages():
        get_page(item)

能正常拿到数据这个也就对的。
z5560636 发表于 2020-12-14 09:41
看看是不是你的要结果? 上班中..不好意思打开链接。
[Python] 纯文本查看 复制代码
#获取目录
import requests ,time
from bs4 import BeautifulSoup
import sys
def TestHref():
    headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.75 Safari/537.36"}
    list = []
    for p in range(1, 10):
        url = "https://www.nvshens.org/gallery/chengshu/%s" % p + ".html"
        web_data = requests.get(url=url, headers=headers)
        soup = BeautifulSoup(web_data.text, 'lxml')
        imgs = soup.select('div.post_entry >div.listdiv > ul >li.galleryli >div.galleryli_div >a')
    for i in imgs:
        link = i.get('href')
        # print('https://www.nvshens.org' + link)
        list.append('https://www.nvshens.org' + link)
    return list


def TestJpg(lists):
    # 获取前十页的图片地址
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.75 Safari/537.36"
    }
    for list in lists:
        for ii in range(1, 10):
            url = list + "%s.html" % ii
            print("=========================",url)
            web_data = requests.get(url=url, headers=headers)
            soup = BeautifulSoup(web_data.text, 'lxml')
            imgs = soup.select('div.photos>div.gallery_wrapper > ul >img')
            for i in imgs:
                img = i.get('src')
                print(img)

TestJpg(TestHref())

忧伤_ 发表于 2020-12-13 19:20
是不是可以把目录链接用一个列表存起来里,然后遍历列表发送请求获取图片链接
fortytwo 发表于 2020-12-13 19:31
你这代码,拿不到数据啊
 楼主| wushigudan 发表于 2020-12-13 19:54
忧伤_ 发表于 2020-12-13 19:20
是不是可以把目录链接用一个列表存起来里,然后遍历列表发送请求获取图片链接

差不多意思
 楼主| wushigudan 发表于 2020-12-13 19:55
SailZhao520 发表于 2020-12-13 19:32
[mw_shl_code=python,true]#获取目录
import re

感谢 不过确定可以吗 我刚试了下好像不行呀
 楼主| wushigudan 发表于 2020-12-13 19:57
SailZhao520 发表于 2020-12-13 19:31
你这代码,拿不到数据啊

求大佬帮忙
n3iuarem3t 发表于 2020-12-13 20:20
谢谢分享,先收藏了。
 楼主| wushigudan 发表于 2020-12-13 20:31
n3iuarem3t 发表于 2020-12-13 20:20
谢谢分享,先收藏了。

大哥你这收藏干嘛啊
我都没写好
n3iuarem3t 发表于 2020-12-13 20:34
wushigudan 发表于 2020-12-13 20:31
大哥你这收藏干嘛啊
我都没写好

我刚才收藏的不是这个内容啊。。。  你这贴我也没看过。
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则 警告:本版块禁止灌水或回复与主题无关内容,违者重罚!

快速回复 收藏帖子 返回列表 搜索

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - LCG - LSG ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2024-4-28 06:14

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表