#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2018/10/31 17:54
# 爬取图片
import requests
from pyquery import PyQuery as pq
import time
headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 '
'(KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36'
}
# 这里我使用了代理 你可以去掉这个代理IP 我是为了后面大规模爬取做准备的
proxies = {
'https': '218.75.69.50:39590'
}
# 请求网页 获取源码
def start_request(url):
r = requests.get(url, headers=headers, proxies=proxies)
# 这个网站页面使用的是GBK编码 这里进行编码转换
r.encoding = 'GBK'
html = r.text
return html
# 解析网页 获取图片
def parse(text):
doc = pq(text)
# 锁定页面中的img标签
images = doc('div.list ul li img').items()
x = 0
for image in images:
# 获取每一张图片的链接
img_url = image.attr('src')
# 获得每张图片的二进制内容
img = requests.get(img_url, headers=headers, proxies=proxies).content
# 定义要存储图片的路劲
path = 'F:\\image\\' + str(x) + '.jpg'
# 将图片写入指定的目录 写入文件用'wb'
with open(path, 'wb') as f:
f.write(img)
time.sleep(1)
print('正在下载第{}张图片'.format(x))
x += 1
print('写入完成')
def main():
url = 'http://www.netbian.com'
text = start_request(url)
parse(text)
if __name__ == '__main__':
main()
|