python如何爬取壁紙網站

這篇文章主要介紹python如何爬取壁紙網站，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

本次爬蟲用到的網址是：

http://www.netbian.com/index.htm: 彼岸桌面.里面有很多的好看壁紙，而且都是可以下載高清無損的，還比較不錯，所以我就拿這個網站練練手。

作為一個初學者，剛開始的時候，無論的代碼的質量如何，總之代碼只要能夠被正確完整的運行那就很能夠讓自己開心的，如同我們的游戲一樣，能在短時間內得到正向的反饋，我們就會更有興趣去玩。

學習也是如此，只要我們能夠在短期內得到學習帶來的反饋，那么我們的對于學習的欲望也是強烈的。

作為一個菜雞，能夠完整的完整此次爬蟲程序的編寫，那便是一個最大的收貨，但其實我在此次過程中的收獲遠不止此。

好的代碼其實應該具有以下特性

1. 能夠滿足最關鍵的需求

2. 容易理解

3. 有充分的注釋

4. 使用規范的命名

5. 沒有明顯的安全問題

6. 經過充分的測試
   

就以充分的測試為例，經常寫代碼的就應該知道，盡管多數時候你的代碼沒有BUG,但那僅僅說明只是大多數情況下是穩定的，但是在某些條件下就會出錯（達到出錯條件，存在邏輯問題的時候等）。這是肯定的。至于什么原因，不同的代碼有不同的原因。如果代碼程序都是一次就能完善的，那么我們使用的軟件的軟件就不會經常更新了。其他其中的道理就不一 一道說了，
久而自知

好的代碼一般具有的5大特性

1.便于維護
2.可復用
3.可擴展
4.強靈活性
5.健壯性

經過我的代碼運行我發現時間復雜度比較大，因此這是我將要改進的地方，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進吧！

路過的大佬歡迎留下您寶貴的代碼修改意見，

完整代碼如下

import os
import bs4
import re
import time
import requests
from bs4 import BeautifulSoup

def getHTMLText(url, headers):
  """向目標服務器發起請求并返回響應"""
  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():
  """創建存儲數據文件夾"""
  flag = True
  while flag == 1:
    file = input("請輸入保存數據文件夾的名稱：")
    if not os.path.exists(file):
      os.mkdir(file)
      flag = False
    else:
      print('該文件已存在，請重新輸入')
      flag = True

  # os.path.abspath(file) 獲取文件夾的絕對路徑
  path = os.path.abspath(file) + "\\"
  return path

def fillUnivList(ulist, soup):
  """獲取每一張圖片的原圖頁面"""
  # [0]使得獲得的ul是 <class 'bs4.BeautifulSoup'> 類型
  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 ulist

def 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")
    # 獲取img標簽的alt屬性，給保存圖片命名
    name = tag[0].a.img.attrs['alt']
    img_name = name + ".jpg"
    # 獲取圖片的信息
    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, "  ******下載完成！")

def PageNumurl(urls):
  num = int(input("請輸入爬取所到的頁碼數："))
  for i in range(2,num+1):
    u = "http://www.netbian.com/index_" + str(i) + ".htm"
    urls.append(u)

  return urls


if __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.創建保存數據的文件夾
  path = CreateFolder()
  # 2. 確定要爬取的頁面數并返回每一頁的鏈接
  PageNumurl(urls)
  n = int(input("訪問的起始頁面："))
  for i in urls[n-1:]:
    # 3.獲取每一個頁面的首頁數據文本
    soup = getHTMLText(i, headers)
    # 4.訪問原圖所在頁鏈接并返回圖片的鏈接
    page_list = fillUnivList(uinfo, soup)
    # 5.下載原圖
    DownloadPicture(left_url, page_list, path)

  print("全部下載完成！", "共" + str(len(os.listdir(path))) + "張圖片")
  end = time.time()
  print("共耗時" + str(end-start) + "秒")

運行

部分展示結果如下：

以上是“python如何爬取壁紙網站”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！