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
- 能够满足最关键的需求
- 容易理解
- 有充分的注释
- 使用规范的命名
- 没有明显的安全问题
- 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_encodingsoup = BeautifulSoup(r.text, "html.parser")return soupexcept:return ""def CreateFolder():"""创建存储数据文件夹"""flag = Truewhile 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 = Falseelse: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 + rightr = requests.get(url=url, timeout=10)r.encoding = r.apparent_encodingsoup = 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:continueimg_path = path + img_namewith 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:
一起学Python,一起写代码,加油!奥利给!!!