您当前的位置:首页 > IT编程 > python
| C语言 | Java | VB | VC | python | Android | TensorFlow | C++ | oracle | 学术与代码 | cnn卷积神经网络 | gnn | 图像修复 | Keras | 数据集 | Neo4j | 自然语言处理 | 深度学习 | 医学CAD | 医学影像 | 超参数 | pointnet | pytorch | 异常检测 | Transformers | 情感分类 | 知识图谱 |

自学教程:python 爬取壁纸网站的示例

51自学网 2021-10-30 22:46:52
  python
这篇教程python 爬取壁纸网站的示例写得很实用,希望能帮到您。

本次爬虫用到的网址是:

http://www.netbian.com/index.htm: 彼岸桌面.里面有很多的好看壁纸,而且都是可以下载高清无损的,还比较不错,所以我就拿这个网站练练手。

作为一个初学者,刚开始的时候,无论的代码的质量如何,总之代码只要能够被正确完整的运行那就很能够让自己开心的,如同我们的游戏一样,能在短时间内得到正向的反馈,我们就会更有兴趣去玩。

学习也是如此,只要我们能够在短期内得到学习带来的反馈,那么我们的对于学习的欲望也是强烈的。

作为一个菜鸡,能够完整的完整此次爬虫程序的编写,那便是一个最大的收货,但其实我在此次过程中的收获远不止此。

好的代码其实应该具有以下特性

  1. 能够满足最关键的需求
  2. 容易理解
  3. 有充分的注释
  4. 使用规范的命名
  5. 没有明显的安全问题
  6. 经过充分的测试

就以充分的测试为例,经常写代码的就应该知道,尽管多数时候你的代码没有BUG,但那仅仅说明只是大多数情况下是稳定的,但是在某些条件下就会出错(达到出错条件,存在逻辑问题的时候等)。这是肯定的。至于什么原因,不同的代码有不同的原因。如果代码程序都是一次就能完善的,那么我们使用的软件的软件就不会经常更新了。其他其中的道理就不一 一道说了,
久而自知

好的代码一般具有的5大特性

1.便于维护
2.可复用
3.可扩展
4.强灵活性
5.健壮性

经过我的代码运行我发现时间复杂度比较大,因此这是我将要改进的地方,但也不止于此。也有很多利用得不合理的地方,至于存在的不足的地方就待我慢慢提升改进吧!

路过的大佬欢迎留下您宝贵的代码修改意见,

完整代码如下

import osimport bs4import reimport timeimport requestsfrom bs4 import BeautifulSoupdef getHTMLText(url, headers):  """向目标服务器发起请求并返回响应"""  try:    r = requests.get(url=url, headers=headers)    r.encoding = r.apparent_encoding    soup = BeautifulSoup(r.text, "html.parser")    return soup  except:    return ""def CreateFolder():  """创建存储数据文件夹"""  flag = True  while flag == 1:    file = input("请输入保存数据文件夹的名称:")    if not os.path.exists(file):      os.mkdir(file)      flag = False    else:      print('该文件已存在,请重新输入')      flag = True  # os.path.abspath(file) 获取文件夹的绝对路径  path = os.path.abspath(file) + "//"  return pathdef fillUnivList(ulist, soup):  """获取每一张图片的原图页面"""  # [0]使得获得的ul是 <class 'bs4.BeautifulSoup'> 类型  div = soup.find_all('div', 'list')[0]  for a in div('a'):    if isinstance(a, bs4.element.Tag):      hr = a.attrs['href']      href = re.findall(r'/desk/[1-9]/d{4}.htm', hr)      if bool(href) == True:        ulist.append(href[0])  return ulistdef DownloadPicture(left_url,list,path):  for right in list:    url = left_url + right    r = requests.get(url=url, timeout=10)    r.encoding = r.apparent_encoding    soup = BeautifulSoup(r.text,"html.parser")    tag = soup.find_all("p")    # 获取img标签的alt属性,给保存图片命名    name = tag[0].a.img.attrs['alt']    img_name = name + ".jpg"    # 获取图片的信息    img_src = tag[0].a.img.attrs['src']    try:      img_data = requests.get(url=img_src)    except:      continue    img_path = path + img_name    with open(img_path,'wb') as fp:      fp.write(img_data.content)    print(img_name, "  ******下载完成!")def PageNumurl(urls):  num = int(input("请输入爬取所到的页码数:"))  for i in range(2,num+1):    u = "http://www.netbian.com/index_" + str(i) + ".htm"    urls.append(u)  return urlsif __name__ == "__main__":  uinfo = []  left_url = "http://www.netbian.com"  urls = ["http://www.netbian.com/index.htm"]  headers = {    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36"  }  start = time.time()  # 1.创建保存数据的文件夹  path = CreateFolder()  # 2. 确定要爬取的页面数并返回每一页的链接  PageNumurl(urls)  n = int(input("访问的起始页面:"))  for i in urls[n-1:]:    # 3.获取每一个页面的首页数据文本    soup = getHTMLText(i, headers)    # 4.访问原图所在页链接并返回图片的链接    page_list = fillUnivList(uinfo, soup)    # 5.下载原图    DownloadPicture(left_url, page_list, path)  print("全部下载完成!", "共" + str(len(os.listdir(path))) + "张图片")  end = time.time()  print("共耗时" + str(end-start) + "秒")

运行

部分展示结果如下:

以上就是python 爬取壁纸网站的示例的详细内容,更多关于python 爬取壁纸网站的资料请关注51zixue.net其它相关文章!


如何用python插入独创性声明
python3两数相加的实现示例
万事OK自学网:51自学网_软件自学网_CAD自学网自学excel、自学PS、自学CAD、自学C语言、自学css3实例,是一个通过网络自主学习工作技能的自学平台,网友喜欢的软件自学网站。