代码展现:
具体代码:
import requests
import re
import os
filename = '壁纸\\'
if not os.path.exists(filename):
os.mkdir(filename)
for i in range(2,11):
url = f'http://www.netbian.com/index_{i}.htm'
headers = {'User-Agent':
'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36',
}
response = requests.get(url=url,headers=headers)
response.encoding = response.apparent_encoding
print(response.text)
data_list = re.findall('<a href="(.*?)" title=".*?" target="_blank"><img src=".*?" alt="(.*?)" />',response.text)
for href,title in data_list:
href = 'http://www.netbian.com'+href
response1 = requests.get(url=href,headers=headers)
response1.encoding = response1.apparent_encoding
img_url = re.findall('target="_blank"><img src="(.*?)" alt=".*?',response1.text)[0]
print(f"正在打印{title}的壁纸")
img_content = requests.get(url=img_url,headers=headers).content
with open(filename+title+'.jpg',mode='wb') as fp:
fp.write(img_content)
结果展现:
总结:这个案例不难,静态网页,爬取二进制数据
复习了一番,注意编码的问题,response.encoding=response.apparent_encoding
学到的新东西:
1.print(response.text)后,在下方,按住ctrl+f键可以搜索如下图
点击:
点击.*可以用正则表达式,如果用正则表达解析数据,可以在这里尝试,可以看见匹配的数量,然后再写入代码中。
2.列表中嵌套元祖,如何快速找出元祖中的元素。
如:a=[(1,'as'),(2,'ajsh'),(781,'ajhsasa')]
用第二张图的方法,可以直接取出元素
3.遇到参数很多,加冒号很麻烦怎么办,如下图:
首先选中代码,按ctrl+r出现下图:
点击·*进入正则,写入下图:
代码是: (.*?): (.*)
'$1': '$2',
点击replaceall
结果展现: