爬虫-文字爬取
import reimport requestsrespone = requests.get('https://ishuo.cn/') ##获取网站urldata = respone.text ##把字符串转化成文本result_list = re.findall('<div class='content'>(.*?)</div>',data) ##找到需要爬取的内容,需要爬取的内容用'(.*?)'来代替，其他格式不变。'''<div class='content'>如果你得罪了老板，失去的只是一份工作；如果你得罪了客户，失去的不过是一份订单；是的，世上只有一个人可以得罪：你给她脸色看，你冲她发牢骚，你大声顶撞她，甚至当 着她的面摔碗，她都不会记恨你，原因很简单，因为她是你的母亲。</div>'''for result in result_list: ##爬取这个网页所有标记的文本 print(result)
爬虫-图片爬取
import reimport requestscount = 0for i in range(44): ##设置图片网页的范围，进行网页跳转。 url = f'http://www.xiaohuar.com/list-1-{i}.html' ##获取跳转网页的url路径 response = requests.get(url) ##获取网页url路径，并赋值给response data= response.text ##将response转化成text文本并赋值给data # print(data) result_list = re.findall('src='(.*?)'',data) ##从data文本中提取需要爬取的图片路径，用“（.*?）”来代替，并赋值给result_list（变成列表） for result in result_list: # type:str ##逐个提取图片url出来 if result.startswith('https'): ##刷选开头是”https“的图片url img_respone = requests.get(result) ##将开头是“https”的图片url提取出来，并赋值给img_response列表 # print(img_respone) img_name = result.split('/')[-1] ##对列表中图片url以“/”标识进行切分，并提取最后一段url，并赋值给img_name # print(img_name) img_data = img_respone.content ##将列表img_response转换成二进制格式 with open (img_name,'wb') as fw: ##打开img_name文件，并赋予写入权限（以字节格式写入） fw.write(img_data) ##将img_data的数据写入img_name文件 fw.flush() ##快速写入 count =1 print(f'爬取了{count}张图片') ##可以显示提示提取了多少张图片爬虫-视频爬取
import reimport requestsresponse = requests.get('https://www.ku6.com/index') ##获取网站urldata = response.text ##将response转换成文本格式count = 0result_list = re.findall('<a class='video-image-warp' target='_blank' href='(.*?)'>',data) ##获取视频地址for result in result_list: #type:str ##将获取第一层视频地址全部提取出来 # print(result) if result.startswith('/detail/') or result.startswith('/video/'): ##判断result里面以“/detail/”和“/video/”开头的url路径 result = f'https://www.ku6.com{result}' ## 提取判断正确的url路径，并赋值给第二层url列表 result_response = requests.get(result) ##重新获取第二层视频url路径，并赋值给response1 data1 = result_response.text ##将response1格式转换成文本 #print(data1) video_url = re.findall('<source src='(.*?)' type='video/mp4'>',data1) ##获取视频地址 # print(video_url) if not video_url: ##对视频格式进行判断 video_url = re.findall('flvURL: '(.*?)'',data1) ##如果视频不是这个url格式，则更换成另外一种格式 # print(video_url) video_response = requests.get(video_url[0]) ##获取视频url路径 video_data = video_response.content video_name = f'{video_url[0].split('/')[-1]}.mp4' with open (video_name,'wb') as fw: fw.write(video_data) fw.flush() count =1 print(f'爬取了{count}个视频')
如果你对Python编程感兴趣，那么记得私信小编“007”领取全套Python资料哦。
