Crawler:反爬虫机制之基于urllib库+伪装浏览器+代理访问(代理地址随机选取)+实现下载某网址上所有的图片到指定文件夹
导读
基于反爬虫机制之基于urllib库+伪装浏览器+代理访问(代理地址随机选取)+实现下载某网址上所有的图片到指定文件夹
目录
后期更新……
- Py之Crawler:爬虫利用随机选取代理访问服务器的方法实现下载某网址上所有的图片到指定文件夹
- import urllib.request
- import os
- import random
-
- def open_url(url):
- req=urllib.request.Request(url)
- req.add_header("User-Agent", "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.90 Safari/537.36 2345Explorer/9.2.1.17116")
-
-
- proxy_support = urllib.request.ProxyHandler({'http':random.choice(proxies)})
- opener = urllib.request.build_opener(proxy_support)
- urllib.request.install_opener(opener)
-
- response=urllib.request.urlopen(url)
- html=response.read()
- return html
-
- def get_page(url):
- html=open_url(url).decode("utf-8")
- a=html.find('current-comment-page')+23
- b=html.find(']',a)
- print(html[a:b])
- return html[a:b]
-
- def find_imgs(url):
- html=open_url(url).decode("utf-8")
- img_addrs = []
- a=html.find("img src=")
- while a!= -1:
-
- b=html.find(".jpg",a,a+255)
- if b!=-1:
- img_addres.append(html[a+9:b+4])
- else:
- b=a+9
- a=html.find("img src=",b)
- 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 = open_url('http:' + each)
- f.write(img)
-
- def download_mm(folder="imgfile",pages=10):
- os.mkdir(folder)
- os.chdir(folder)
- url="http://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_addres = find_imgs(page_url)
- save_imgs(folder,img_addres)
-
- if __name__=="__main__":
- download_mm()
- download_mm()
相关文章
Py之Crawler:爬虫利用随机选取代理访问服务器的方法实现下载某网址上所有的图片到指定文件夹
网站声明:如果转载,请联系本站管理员。否则一切后果自行承担。
加入交流群
请使用微信扫一扫!