Python简单爬虫爬取虎扑社区福利gif图片

以下程序亲测成功,重点代码都加了注释,就不一一介绍了。爬取结果各位自行体会。PS:爬取前先在当前文件夹建立hupu_gif的文件夹。

# coding: utf-8
from urllib.request import urlopen, urlretrieve
from bs4 import BeautifulSoup
import re
import os

url = 'https://my.hupu.com/search?q=%E7%A6%8F%E5%88%A9'  # 虎扑搜索"福利"出来的页面,注意q=后面的字符表示"福利"两个字

htmls = set()  # 用于去掉重复的网页地址
startPage = 11  # 开始页,可自行调整
endPage = 20  # 结束页,可自行调整。搜索结果总共有1000页,不能超过1000
pages = range(startPage, endPage + 1)
count = 0

for page in pages:
    url_page = url + '&page=' + str(page)  # 每个具体的搜索页
    html = urlopen(url_page)
    bsObj = BeautifulSoup(html, 'lxml')
    tds = bsObj.findAll('td', {'class': 'p_title'})  # 找到包含正确链接的td
    for td in tds:
        if td.a.attrs['href']:
            td_href = td.a.attrs['href']
            print('td_href=>', td_href)
            try:
                html_each = urlopen(td_href)
            except Exception as e:
                print(e)
                print('出错了,继续抓取下一个链接')
                continue
            bsObj_each = BeautifulSoup(html_each, 'lxml')
            gifs = bsObj_each.findAll('img', src=re.compile(r'.*gif'))  # 找到后缀为gif的动图
            if gifs:
                for gif in gifs:
                    gif_href = gif.attrs['src']
                    gif_href = re.match(r'.*gif', gif_href).group()  # 去掉'.gif'后不必要的内容
                    if gif_href not in htmls:
                        htmls.add(gif_href)
                        print(gif_href)
                        try:
                            local_filename, headers = urlretrieve(gif_href, filename='./hupu_gif/{}.gif'.format(count))
                        except Exception as e:
                            print('出错了=>', e)
                            continue
                        if os.path.getsize(local_filename) >= 10000:  # 大于10KB的gif文件保留
                            count += 1
                        else:  # 否则删除掉
                            os.remove(local_filename)

print('Done!')
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 156,265评论 4 359
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,274评论 1 288
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 106,087评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,479评论 0 203
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 51,782评论 3 285
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,218评论 1 207
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,594评论 2 309
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,316评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,955评论 1 237
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,274评论 2 240
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,803评论 1 255
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,177评论 2 250
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,732评论 3 229
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,953评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,687评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,263评论 2 267
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,189评论 2 258

推荐阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 170,534评论 25 707
  • 今天讀到39頁(《參透生死》),“當你在道理上明白了一些東西的時候,還要用行動來印證自己學到的東西,讓它成為你的生...
    HaiyanF阅读 176评论 2 1
  • 自从读了东野圭吾的《白夜行》后,一度对他的悬疑小说产生了巨大的兴趣。幻夜和白夜行,两本讲述人性最深处的故事...
    白成公子阅读 597评论 0 1
  • 上一章【连载】怨村(13) 救兵驾到 正月将尽,一眉弯月挂在夜空,冷冷地盯着地上这所房子。 这是哪? 我怎么了? ...
    二品才人阅读 741评论 1 10
  • 春天来了,好想粗去玩啊啊啊! 要是能旅行就好了, 能吃美食、 看美景、 看(mo)帅哥。 妈哒,我听见了,谁说我酱...
    电影天堂阅读 1,350评论 5 20