一只爬虫带你看世界【5】#批量下载图片
9.批量下载妹子图
使用模块化的思想进行代码搭建，主函数为 download_mm，其中包含了url_open(url)、 get_page(url)、find_imgs(url)、save_imgs(folder,img_addrs)四个模块，
模块一：url_open(url)：用于网址访问，多次调用，故抽象出一个模块，该模块返回html，但是不decode编码格式，由于不知返回的文字信息还是图片信息，所以不decode
模块二：get_page(url)：返回图片信息的编号，获取编号信息是采用的 html 中 find 方法 进行指定字符的查询，（此出可以使用正则表达式，后续在使用），find 加 数字是指找到检索到word后的偏移量，例如本例中的 23.
模块三：find_imgs(url)：根据上一模块得到的图片编号，组合成待下载的网址信息，将该网址信息中所有的.JGP的图片放入列表中
模块四：save_imgs(folder,img_addrs)：获取存有图片的列表，存入指定的文件夹中。
demo 示例如下：
---------------------------------------------------------
import urllib.request
import os #当前目录创建文件夹用到的模块def url_open(url):
req = urllib.request.Request(url)
req.add_header('user-agent','Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36')
response = urllib.request.urlopen(url)
html = response.read()
return html
def get_page(url):
html = url_open(url).decode('utf-8')
a = html.find('current-comment-page') + 23
b = html.find(']', a)
return html[a:b]
def find_imgs(url):
html = url_open(url).decode('utf-8')
img_addrs = []
a = html.find('img src=')
while a != -1:
b = html.find('.jpg', a, a+255)
if b != -1:
c = "http:" + html[a+9:b+4]
img_addrs.append(c)
else:
b = a + 9
a = html.find('img src=', b)
for each in img_addrs:
print(each)
return img_addrs
def save_imgs(folder,img_addrs):
for each in img_addrs:
filename = each.split('/')[-1]
with open(filename,'wb') as f:
img = url_open(each)
f.write(img)
def download_mm(folder='OOXX',pages=2):
os.mkdir(folder)
os.chdir(folder)
url = 'https://jandan.net/ooxx/'
page_num = int(get_page(url))
for i in range(pages):
page_num -= i
page_url = url + 'page-' + str(page_num)+ '#comments'
img_addrs = find_imgs(page_url)
save_imgs(folder,img_addrs)
if __name__ == '__main__':
download_mm()
---------------------------------------------------------
if __name__ == '__main__': 该模块是模块测试使用，当模块被调用时，之后的代码不执行，当不模块调用即直接使用时，之后的代码会执行。
在python IDLE 中运行的效果图如下：
