爬虫-文字爬取import re
import requests
respone = requests.get('https:///') ##获取网站url
data = respone.text ##把字符串转化成文本
result_list = re.findall('<div class='content'>(.*?)</div>',data) ##找到需要爬取的内容,需要爬取的内容用'(.*?)'来代替，其他格式不变。
'''
<div class='content'>如果你得罪了老板，失去的只是一份工作；
如果你得罪了客户，失去的不过是一份订单；是的，世上只有一个人可以得罪：你给她脸色看，你冲她发牢骚，
你大声顶撞她，甚至当 着她的面摔碗，她都不会记恨你，原因很简单，因为她是你的母亲。</div>
'''
for result in result_list: ##爬取这个网页所有标记的文本
print(result)
爬虫-图片爬取import re
import requests
count = 0
for i in range(44): ##设置图片网页的范围，进行网页跳转。
url = f'http://www./list-1-{i}.html' ##获取跳转网页的url路径
response = requests.get(url) ##获取网页url路径，并赋值给response
data= response.text ##将response转化成text文本并赋值给data
# print(data)
result_list = re.findall('src='(.*?)'',data) ##从data文本中提取需要爬取的图片路径，用“（.*?）”来代替，并赋值给result_list（变成列表）
for result in result_list: # type:str ##逐个提取图片url出来
if result.startswith('https'): ##刷选开头是”https“的图片url
img_respone = requests.get(result) ##将开头是“https”的图片url提取出来，并赋值给img_response列表
# print(img_respone)
img_name = result.split('/')[-1] ##对列表中图片url以“/”标识进行切分，并提取最后一段url，并赋值给img_name
# print(img_name)
img_data = img_respone.content ##将列表img_response转换成二进制格式
with open (img_name,'wb') as fw: ##打开img_name文件，并赋予写入权限（以字节格式写入）
fw.write(img_data) ##将img_data的数据写入img_name文件
fw.flush() ##快速写入
count =1
print(f'爬取了{count}张图片') ##可以显示提示提取了多少张图片
爬虫-视频爬取import re
import requests
response = requests.get('https://www.ku6.com/index') ##获取网站url
data = response.text ##将response转换成文本格式
count = 0
result_list = re.findall('<a class='video-image-warp' target='_blank' href='(.*?)'>',data) ##获取视频地址
for result in result_list: #type:str ##将获取第一层视频地址全部提取出来
# print(result)
if result.startswith('/detail/') or result.startswith('/video/'): ##判断result里面以“/detail/”和“/video/”开头的url路径
result = f'https://www.ku6.com{result}' ## 提取判断正确的url路径，并赋值给第二层url列表
result_response = requests.get(result) ##重新获取第二层视频url路径，并赋值给response1
data1 = result_response.text ##将response1格式转换成文本
#print(data1)
video_url = re.findall('<source src='(.*?)' type='video/mp4'>',data1) ##获取视频地址
# print(video_url)
if not video_url: ##对视频格式进行判断
video_url = re.findall('flvURL: '(.*?)'',data1) ##如果视频不是这个url格式，则更换成另外一种格式
# print(video_url)
video_response = requests.get(video_url[0]) ##获取视频url路径
video_data = video_response.content
video_name = f'{video_url[0].split('/')[-1]}.mp4'
with open (video_name,'wb') as fw:
fw.write(video_data)
fw.flush()
count =1
print(f'爬取了{count}个视频')
|
|
|
