爬取妹子图片

zaewe

爬取妹子图片，学之小甲鱼，并给每个模特建个文件夹。
喜欢的给点爱心

1. import re
   
2. import os
   
3. import requests
   
4. import easygui as g
   
5. import time
   
6. 
   
7. 
   
8. def get_html(url):
   
9.     header = {
   
10.         'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3314.0 Safari/537.36 SE 2.X MetaSr 1.0',
    
11.         'Referer': 'https://www.mzitu.com/japan/'}
    
12.     html = requests.get(url, headers=header)
    
13.     return html
    
14. 
    
15. 
    
16. def get_img(html):
    
17.     html = html.text
    
18.     img_re = "https:\/\/i3\.mmzztt\.com\/(?:.+\/)+.+(?:\.jpg)"
    
19.     imgs = re.findall(img_re, html)
    
20.     return imgs
    
21. 
    
22. 
    
23. def save_img(imgs, page):
    
24.     for img_url in imgs:
    
25.         res = get_html(img_url)
    
26.         img = res.content
    
27.         name = page + img_url.split("/")[-1]
    
28.         print(img_url)
    
29.         with open(name, "wb") as f:
    
30.             f.write(img)
    
31. 
    
32. 
    
33. def download_mm():
    
34.     great = g.diropenbox()
    
35.     os.chdir(great)
    
36.     i = int(input("请输入开始页码（建议为1）："))
    
37.     n = int(input("请输入结束页码："))
    
38.     while i < n:
    
39.         home_url = "https://www.mzitu.com/page/" + str(i) + "/"
    
40.         i += 1
    
41.         model_html = get_html(home_url).text
    
42.         model = re.compile("https:\/\/.{13}\/\d{5,6}")
    
43.         all_model = model.findall(model_html)
    
44.         all_model = list(set(all_model))  # 去重
    
45.         for each in all_model:
    
46. 
    
47.             img_url = get_html(each).text
    
48.             dirs = re.search(r'([\u4e00-\u9fa5·]{2,16})', img_url).group()
    
49.             print('开始下载%s模特的图片' % dirs)
    
50.             if os.path.exists(dirs):
    
51.                 pass
    
52.             else:
    
53.                 os.mkdir(dirs)
    
54.                 os.chdir(dirs)
    
55.                 try:
    
56.                     nums = re.findall("https:\/\/.{13}\/\d{5,6}\/\d{2}", img_url)
    
57.                     page_num = int(nums[-1].split("/")[-1])
    
58.                     print('该模特共有%s张图片' % page_num)
    
59.                     for mm in range(page_num):
    
60.                         mm_url = each + "/" + str(mm + 1)
    
61.                         print(mm_url)
    
62.                         mm_html = get_html(mm_url)
    
63.                         imgs = get_img(mm_html)
    
64.                         page = str(i - 1) + "_"
    
65.                         save_img(imgs, page)
    
66.                         time.sleep(1)
    
67.                 except:
    
68.                     pass
    
69.                 os.chdir(os.pardir)
    
70. 
    
71. 
    
72. if __name__ == "__main__":
    
73.     download_mm()

复制代码

a54188u

好的，非常感谢

820752431

谢谢分享

hentai

谢谢大佬

Kent12

6666

xwjgzs

谢谢大牛

冷酷到底

感谢楼主分享

wan8513

6666666666

小木木木

6666666666666666