python爬虫之豆瓣首页图片爬取

网址:https://movie.douban.com/

python 复制代码
import requests
from lxml import etree
import re
url = 'https://movie.douban.com'
headers = {
    'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.5735.289 Safari/537.36'
}
session = requests.session()
response = session.get(url,headers = headers)
# response.encoding='utf-8'
# response.encoding = response.apparent_encoding
index_url = 'https://movie.douban.com'
res = session.get(index_url,headers=headers)
# print(res.text)
# 输出:页面源代码
tree = etree.HTML(res.text)
# print(tree)
# 输出:<Element html at 0x186fa6a3100>
img_all = tree.xpath('//img')
# print(img_all)
for i in img_all:
    img = etree.tostring(i, encoding='UTF-8').decode('UTF-8')
    # 得到所有的img标签
    # print(img)
    # <img src="https://img1.doubanio.com/view/photo/s_ratio_poster/public/p2900931370.jpg" alt="&#x5C0F;&#x884C;&#x661F;&#x730E;&#x4EBA;" rel="nofollow" class=""/>
    img_url = tree.xpath('//img/@src')
    # img_name = tree.xpath('//img/@alt')
    # print(img_url,img_name)
    # 输出:许多个列表
    for i in img_url:
        # print(i)
        last_str = i.split('/')[-1]
        # print(last_str)
        # 输出:多个p2900931370.jpg  p2901057189.jpg
        every_name = last_str.split('.')[0]
        # print(every_name)
        # 输出:多个p2900931370  p2901057189
        res_url = session.get(i,headers=headers)
        with open(f'./img/{every_name}.jpg','wb') as f:
            f.write(res_url.content)

运行结果:

相关推荐
lsx20240619 小时前
Rust 迭代器
开发语言
阿贵---19 小时前
C++中的备忘录模式
开发语言·c++·算法
房开民19 小时前
paddle 文本检测识别模型转为onnx
开发语言·r语言·paddle
wh_xia_jun19 小时前
MODNet 本地抠图项目指南
python
setmoon21419 小时前
C++中的观察者模式实战
开发语言·c++·算法
2403_8355684719 小时前
C++代码规范化工具
开发语言·c++·算法
山上三树20 小时前
Qt Widget介绍
开发语言·qt
老歌老听老掉牙20 小时前
Python星号参数深度解析
python·参数·星号
2401_8845632420 小时前
Python Lambda(匿名函数):简洁之道
jvm·数据库·python
weixin_3875342221 小时前
Ownership - Rust Hardcore Head to Toe
开发语言·后端·算法·rust