码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • python-xpath语法-爬取彼岸图4k高清动漫壁纸


    安装

    pip install lxml
    
    • 1

    导入

    from lxml import etree
    
    • 1

    xpath使用路径表达式提取html文档中的元素或元素集,然后元素通过沿路径path或步steps来选取数据

    XPath常用语法格式

    表达式描述
    div选取div元素的所有子元素
    /div选取根元素div
    ul//li选取ul元素下的所有li子元素
    //@class选取所有具有class属性的元素
    ul/li/[1]选取ul元素下的第一个li子元素
    //div[@id=‘t2’]选取id属性为t2的所有div元素
    //li[@class=‘box’]选取class属性为box的li子元素
    /div/ui/li[@class=‘top’]选取根元素div下ul元素下的class属性为top的li子元素
    //li/a/@href获取li元素下所有a元素的href值
    //li/a/text()获取li元素下所有a元素的文本内容

    使用xpath匹配数据实践

    爬取彼岸图4k高清动漫壁纸 https://pic.netbian.com/4kdongman/

    爬取第一页的图片

    import requests
    from lxml import etree
    import os
    
    url = 'https://pic.netbian.com/4kdongman/index.html'
    r = requests.get(url)
    r.encoding='gbk'
    html = etree.HTML(r.text)# 
    img_urls = html.xpath("//div[@class='slist']/ul/li/a/@href")# ['/tupian/32274.html', '/tupian/32257.html', ...
    for img_url in img_urls:
        # 第二层url
        img_url = 'https://pic.netbian.com' + img_url
        rr = requests.get(url=img_url)
        rr.encoding='gbk'
        img_html = etree.HTML(rr.text)
        img_name = img_html.xpath("//a[@id='img']/img/@title")[0]
        # 高清图片的src
        img_src = 'https://pic.netbian.com' + img_html.xpath("//a[@id='img']/img/@src")[0]
        rimg = requests.get(url = img_src)
        # 可以改文件夹的名字
        folder_name = 'dongman'
        if not os.path.exists(folder_name):
            os.mkdir(folder_name)
        # 保存图片
        with open(f'{folder_name}/{img_name}.jpg','wb') as f:
            f.write(rimg.content)
        print(img_name)
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27

    在这里插入图片描述
    批量爬取多页图片

  • 相关阅读:
    SQL 优化的万能小妙招!
    java基于springboot校园办公室报修管理系统
    算法第六节
    观察者模式在Spring中事件监听机制的应用
    边缘计算那些事儿-kubeedge edged解读
    重新认识下JVM级别的本地缓存框架Guava Cache(2)——深入解读其容量限制与数据淘汰策略
    python可视化分析(六)-绘制发散型柱状图
    【数据结构C/C++】十大排序算法的实现思路以及易写易记忆版代码实现
    尚硅谷大数据项目《在线教育之实时数仓》笔记003
    Net6 用imagesharp 实现跨平台图片处理并存入oss
  • 原文地址:https://blog.csdn.net/weixin_64729620/article/details/132840509
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号