其他分享
首页 > 其他分享> > 简单壁纸爬虫

简单壁纸爬虫

作者:互联网

壁纸网站:FACETS.la

壁纸风格如下图,我挺喜欢的,于是设计一个爬虫,自动保存网站所有壁纸.

ps:

    1.网站一共300多张壁纸,每张大小不到1M,全部壁纸150M大小.

    2.爬虫语言:python,还需要用到而外的requests,bs4库.

网站壁纸风格如下:

说一下简单思路:

1.获取图片链接.

  1.1:先获取网站每一页的链接

    打开网站会发现一个规律,第n页的链接为:"facets.la/offset/(n-1)*63/"

        比如:

      第一页是facets.la/offset/0/,

      第二页是:facets.la/offset/63/.

  1.2:获取每页的链接后,获取每页中壁纸的链接.

          打开浏览器开发者选项,选定一张壁纸查看源码,会发现每张图片下都有两个链接,href和src.链接src指向壁纸的小图.链接href跳转到该壁纸的详情页,在详情页有壁纸大图的下载链接.

    大图链接为:facets.la/wallpaper/W_2013_238.jpg

    小图的链接:facets.la/thumbnail/T_2013_238.jpg

    所以这里获取壁纸大图链接有两种可行思路:

      1.2.1:思路一:依次打开每页壁纸,先获取该页中所有壁纸详情页链接(href);再依次进去壁纸详情页,获取壁纸大图链接.

      1.2.2:思路二:依次打开每页壁纸,先获取该页中所有小图链接,再直接通过规律变换成大图链接

 

  思路一和思路二都很容易实现.差别在于:思路一会访问更多次该网站,思路二壁纸的大图链接不是直接从网站获取的,可能会出现错误.

  做这种壁纸网站也挺不容易的,这里选择思路二,尽量减少网站负担.对于可能出现的错误也可以查验一下然后解决.

  下面是代码:

 1 import requests
 2 from bs4 import BeautifulSoup
 3 import re
 4 import os
 5 
 6 def get_small_url():
 7     for i in range(1,7):
 8         a=(i-1)*63
 9         home_url='http://www.facets.la/offset/'+str(a)+'/'
10         home_html = requests.get(home_url)
11         bs = BeautifulSoup(home_html.text, 'html.parser')
12         small_urls = bs.findAll('img',{'src':re.compile('.*\.jpg')})
13         for small_url in small_urls:
14             small_url=small_url['src']
15             with open('img_url.txt','a') as url_f:
16                 url_f.write(small_url+'\n')
17 
18 def get_bigimg():
19     with open('img_url.txt') as f:
20         img_urls=f.read()
21     for img_url in re.findall(r'\_\d+.{7,20}\.jpg',img_urls):
22         img_url="http://www.facets.la/wallpaper/W"+img_url
23         #获取图片链接的哈希值,用以命名图片
24         a=hash(img_url)
25         print("正在下载:"+img_url)
26         image_name="D:/python/image1/"+str(a)+".jpg"
27         try:
28             image=requests.get(img_url)
29             print("正在下载:"+img_url)
30             if image.status_code == 200:
31                 with open(image_name,"wb") as f:
32                     f.write(requests.get(img_url).content)
33                     break
34         except requests.ConnectionError:
35             print("无效链接>>>>:"+img_url)
36 
37 get_small_url()
38 get_bigimg()

 

标签:img,la,url,爬虫,简单,small,壁纸,链接
来源: https://www.cnblogs.com/shengou/p/15773561.html