Python爬虫实例(5)-简单的爬虫,用XML爬取卡车图片
来源:互联网 发布:淘宝店铺装修模块代码 编辑:程序博客网 时间:2024/04/29 02:44
一个简单的爬虫,所用的技巧都是上几篇博文中讲到的。
用于帮助杨烈的课题,搜集几百张卡车的图片。本来想在百度图片,直接输入“卡车”搜索,但是百度图片的网页加载方式没看明白。只是在“卡车之家”这个网站写了一下,聊胜于无。
爬虫旨在数据收集,属于大数据、数据分析等工作的第一步;这也算是我第一次将爬虫技能运用在实际项目当中吧。
但是百度图片的网页加载还是搞不懂,也就导致百度图片无法爬取出来,前段的知识还是需要补充啊。
# -*- coding: utf-8 -*- import requestsimport osfrom lxml import etree#在本地建立一个文件夹,命名为pic_truck,用于存放下载的图片folder = 'pic_truck'if not os.path.exists(folder): os.makedirs(folder)#定义下载函数,用于下载图片def download(url): response = requests.get(url, headers = header) name = url.split('/')[-1] f = open(folder + '/' + name + '.jpg', 'wb') f.write(response.content) f.close() return True#分析该网站的图片url,非常的简单,因此给定range,循环调用函数即可for i in range(538000, 538947): url = 'https://product.360che.com/Pic/' + str(i) + '.html#pic' header = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'} #print(url) response = requests.get(url, headers = header) html = response.text xml = etree.HTML(html) src_list = xml.xpath('//div[@class="imgc1"]/img/@src') src_num = len(src_list) print(src_num) for i in range(src_num): print(src_list[i]) download(src_list[i])print('OK')
另外,突然意识到了一个爬虫实战的小技巧:
在百度中检索“爬虫 图片”这个关键词,会调出很多爬取图片的例子,把这些例子做个200道,基本上那就差不多了吧。
加油吧,正确每天都刷个5-10个的,嘻嘻,每次刷完之后就在csdn博客上记录。
阅读全文
0 0
- Python爬虫实例(5)-简单的爬虫,用XML爬取卡车图片
- python爬虫----简单的图片爬取
- Python爬虫学习笔记(1):简单的图片爬取
- 简单的python爬虫抓取图片实例
- python爬虫爬取好看的图片
- python爬虫爬取图片
- Python爬虫实例(4)-用urllib、re和正则表达式爬取网页图片
- Python 爬虫实例——网页图片爬取
- 简单的python爬虫(爬取百度百科词条)
- Python 爬虫 简单实例 爬取糗事百科段子
- Python爬虫实战(三):简单爬取网页图片
- 爬虫实例:爬取一个网页上的图片地址
- [python爬虫] 爬取图片无法打开或已损坏的简单探讨
- Python简单知乎爬虫--爬取页面的图片并下载到本地
- Python简单知乎爬虫--爬取页面的图片并下载到本地
- [笔记]python网络爬虫:一个简单的爬取图片并存储示例
- 简单爬虫,爬取书本图片。
- Python简单爬虫实例
- Android颜色代码
- centos7安装pxc遇到的问题
- SecureCRT & SecureFx 绿色破解版
- 隔行变色
- Linux下安装禅道项目管理系统
- Python爬虫实例(5)-简单的爬虫,用XML爬取卡车图片
- 分类算法——朴素贝叶斯
- git 每次clone/pull/push码云都要输入密码的解决方案
- Express使用Multer实现文件上传
- Sklearn-train_test_split随机划分训练集和测试集
- 为emacs编辑urdf文件增加代码补全功能
- 1484: 青蛙(四)
- 语言实践2-驱动学习(3)ioctl初步学习
- 二叉树的先序中序后序遍历(非递归)