1 '''
2 1. 爬取以下站点中各个明星图片，分别单独建文件夹存放。
3 起始URL地址：http://www.mm131.com/mingxing
4 '''
5 import os
6 import logging
7 import requests
8 from bs4 import BeautifulSoup
9
10 logging.basicConfig(level=logging.INFO)
11
12
13 def store_girl_img(girl_url, store_girl_dir):
14 # 把girl_url的单个小姐姐放入store_girl_dir文件夹
15 girl_html = requests.get(girl_url) #访问girl_url网址
16 girl_html.encoding = "gbk" #修改编码，不然会是乱码
17 girl_text = girl_html.text #获取girl_html的网页内容。girl_html.content返回的是bytes数据
18
19 girl_src = BeautifulSoup(girl_text, 'lxml').find("div",class_='content-pic').find('img')['src']
20 #BeautifulSoup用lxml库解析girl_html的网页内容，并找到所有class_='content-pic'的div标签
21 #再找到img标签下的src属性，得到单张照片的链接
22 print(girl_src)
23
24 # 此处加headers是为防反爬虫，如果不加会响应403，没有权限
25 headers = {
26 'Referer': girl_url,
27 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
28 }
29 file_name = girl_src.split('/')[-1]
30 #将http://img1.mm131.me/pic/2016/1.jpg切片成["http://img1.mm131.me/pic/2016"，"1.jpg"],[-1]就是去第二个1.jpg
31 file_name = os.path.join(store_girl_dir, file_name) #在store_girl_dir目录下创建图片名字file_name，如1.jpg
32 with open(file_name, 'wb') as f: #二进制模式打开file_name
33 girl_content = requests.get(girl_src, headers=headers).content # .content获取图片的二进制数据
34 f.write(girl_content) #写入到file_name
35
36
37 def store_page_grils(href, store_girl_dir):
38 # 把href这个链接下的小姐姐们（多个）放入文件夹store_girl_dir
39 girl_text = requests.get(href).text #访问某个美女的图片页面
40 soup = BeautifulSoup(girl_text, 'lxml') #获得BeautifulSoup对象
41 # 获取美女图片的张数
42 max_page_num = soup.find('div', class_='content-page').find_all('a')[-2].get_text()
43 #找到class_='content-page'的div标签---->找出该div下所有的a标签，得到一个a标签列表
44 #[-2]取出倒数第二个按标签，get_text()是获取文本内容
45 max_page_num = int(max_page_num) #文本内容转化为整数
46
47 girl_url_list = [href] #定义一个列表，存放一个美女所有图片的链接，页面特殊，href表示第一张
48 #for循环获取第二张到最后一张的链接
49 for page_num in range(2, max_page_num + 1):
50
51 girl_url = str(href).replace(".html",f"_{page_num}.html") # 将.html替换_{page_num}.html
52 # print(girl_url)
53 girl_url_list.append(girl_url) #将第二张到最后一张的链接追加到girl_url_list
54 # print(girl_url_list)
55 for girl_url in girl_url_list:
56 store_girl_img(girl_url, store_girl_dir) #循环调用store_girl_img函数
57
58
59 def main():
60 url = 'http://www.mm131.com/mingxing'
61 store_dir = 'meizitu' #主目录
62 os.makedirs(store_dir, exist_ok=True) #创建主目录，若主目录存在不报错
63 home_html = requests.get(url) #访问http://www.mm131.com/mingxing
64 home_html.encoding = "gbk"
65 home_text = home_html.text #获取网页内容
66 # 得到小姐姐们的链接标签
67 ahref_list = BeautifulSoup(home_text, 'lxml').find("div",class_="main").find_all('a')[2:22]
68 #找到所有a标签，得到一个a标签列表，[2:22]表示：取a标签列表的第2到21个，因为前两个是不需要的
69 # print(ahref_list)
70 for ahref in ahref_list: #遍历这20个a标签
71 # ahref 是bs4.element.Tag实例
72 girlname = ahref.get_text() # 获取a标签的文本内容，作为存放小姐姐图片的子目录
73 href = ahref['href']# 取出a标签的href属性，得到一个小姐姐图片的链接
74 store_girl_dir = os.path.join(store_dir, girlname) # 拼接得到放该小姐的房间号，即存放美女的文件夹
75 os.makedirs(store_girl_dir, exist_ok=True)
76 logging.info(f'开始下载{girlname}的图片')
77 store_page_grils(href, store_girl_dir)
78
79
80 if __name__ == '__main__':
81 main()
82
83
84
