# -*- coding: utf-8 -*-
"""
@Time    :  2022/3/19 16:31
@Author  : Andrew
@File    : 抓取優美相簿.py
"""
# 1.拿到主頁面的地址，獲取主頁面的原始碼
# 2.通過f12進行定位，在該區域尋找圖片，看是否需要進入子頁面提取
# 3.檢查發現，在本頁面已經發現了圖片的src，但是需要與https:拼接
# 4.下載圖片 將沒用的資料資料夾設為exclusion,這樣下載的時候就不會太卡（因為pycharm會設定索引）
import re
import time

from bs4 import BeautifulSoup
 
import requests

# imgs = []

for i in range(1, 3, 1):
    domain = "https://www.bizhizu.cn/"
    url = "https://www.bizhizu.cn/wallpaper/" + str(i) + ".html"
    resp = requests.get(url)
    resp.encoding = "utf-8"
    content = resp.text
    page = BeautifulSoup(resp.text, "html.parser")
    div = page.find("
 
div", attrs={"class": "imgcont"})
    lis = div.find_all("li")
    for li in lis:
        a = li.find_all("a")[1:]
        href = a[0].get("href")
        imageName = a[0].text
        # 獲取第二個子頁面，並轉bs4
        contentChild1 = requests.get(href)
        page2 = BeautifulSoup(contentChild1.text, "html.parser
 
")
        # page裡面找class為text_con的p標籤
        p = page2.find("p", attrs={"class": "text_con"})
        # p裡面找class為xuButton的a標籤
        a = p.find("a", attrs={"class": "xuButton"})
        # 獲取a的href，並進行拼接
        href_2 = a.get("href")
        urlChild3 = domain+href_2
        # 獲取第三個子頁面原始碼
        contentChild3 = requests.get(urlChild3)
        page3 = BeautifulSoup(contentChild3.text, "html.parser")
        a_showImage = page3.find("a", attrs={"class": "menu s4", "id": "download_yt"})
        href3 = a_showImage.get("href")
        imgIsDownload = requests.get(href3)
        end = href3.split("/")[-1].split(".")[-1]
        # 圖片內容寫入檔案
        with open("./桌布族/"+imageName+"."+end, mode="wb") as f:
            f.write(imgIsDownload.content)
        time.sleep(1)
        print(href3, 'over!!')
    resp.close()
#這裡就是要看得懂網頁結構，網頁設計的有時候高清圖片的下載連結在當前頁面的某個子連結裡，需要不斷地requests.get獲取原始碼,再bs4的find或者find_all進行唯一性標籤定位，可能會重複多次，但套路一樣

搜尋

複製