python实现爬取图书封面
作者:萌妹子哦哦 发布时间:2023-06-08 16:40:44
标签:python,爬取,图书
本文实例为大家分享了python实现爬取图书封面的具体代码,供大家参考,具体内容如下
kongfuzi.py
利用更换代理ip,延迟提交数据,设置请求头破解网站的反爬虫机制
import requests
import random
import time
class DownLoad():
def __init__(self):
self.ip_list = ['191.33.179.242:8080', '122.72.108.53:80', '93.190.142.214:80', '189.8.88.125:65301',
'36.66.55.181:8080', '170.84.102.5:8080', '177.200.72.214:20183', '115.229.115.190:9000']
self.user_agent_list = [
'User-Agent:Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50',
'User-Agent:Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50',
'User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11'
]
def get(self, url, proxy=None, timeout=20, num=5):
print("正在请求%s" % url)
UA = random.choice(self.user_agent_list)
headers = {'User-Agent': UA}
if proxy == None:
try:
return requests.get(url, headers=headers, timeout=timeout)
except:
if num > 0:
time.sleep(10)
return self.get(url, num=num - 1)
else:
time.sleep(10)
IP = ''.join(random.choice(self.ip_list).strip())
proxy = {'http': IP}
return self.get(url, proxy=proxy, timeout=timeout)
else:
try:
IP = ''.join(random.choice(self.ip_list).strip())
proxy = {'http': IP}
return requests.get(url, headers=headers, proxy=proxy, timeout=timeout)
except:
if num > 0:
time.sleep(10)
IP = ''.join(random.choice(self.ip_list).strip())
proxy = {'http': IP}
print("正在更换代理")
print("当前代理%s" % proxy)
return self.get(url, proxy=proxy, num=num - 1)
main.py
将爬取的图片保存到本地,然后展示到界面
import kongfuzi
import os
import requests
import bs4
from tkinter import *
from PIL import Image, ImageTk
# 下载图片,生成图片地址列表和图书信息列表
def download():
baseUrl = "http://search.kongfz.com"
keyword = e1.get()
url = baseUrl + "/product_result/?select=0&key=" + keyword
print("下载链接:" + url)
show(url)
# bs4处理
def changesoup(html):
htm = html.content
html_doc = str(htm, 'utf-8')
soup = bs4.BeautifulSoup(html_doc, "html.parser")
return soup
# 图书信息集合
def bookinfo(soup):
# 图书价格列表
price = []
soupprice = soup.select(".first-info .f_right .bold")
for i in soupprice:
price.append(i.string)
# 书店名列表
storename = []
soupstorename = soup.select(".text a span")
for each in soupstorename:
if each.string == None:
soupstorename.remove(each)
for i in soupstorename:
storename.append(i.string)
# 商家地区列表
place = []
soupplace = soup.select(".user-place")
for i in soupplace:
place.append(i.string)
# 书名列表
bookname = []
bookname1 = soup.select(
".search-wrap .search-main .search-main-result .result-content .result-list .item .item-info .title .link")
# print(len(bookname1))
# print(bookname1)
for each in bookname1:
print(each)
# a = bs4.BeautifulSoup(each, "html.parser")
a = each.get_text()
print(a)
# type(a)
# a = bs4.BeautifulSoup(a, "html.parser")
# b = a.get_text()
bookname.append(a)
# print(bookname)
# print(len(bookname))
return bookname, price, place, storename
# 保存图片
def imgsave(soup):
dirName = "image"
os.makedirs(dirName, exist_ok=True)
filePathList = []
imgUrl = soup.select(".search-main-result .result-content .result-list .item .item-img .img-box img")
# print(imgUrl)
if not imgUrl:
print("没有找到当前节点下图片")
else:
i = 0
for imageUrls in imgUrl:
# 找到图片地址 获取它
downloadUrl = imageUrls.get('src')
# if downloadUrl == "/searchfront/img/error.jpg":
# downloadUrl = "http://book.kongfz.com/img/pc/error.jpg"
print("打印要下载的图片地址:", downloadUrl)
# http://book.kongfz.com/img/pc/error.jpg
# 分割字符
split = downloadUrl.split("/")
# 只保留最后一个元素
fileName = str(i) + "-" + os.path.basename(split[len(split) - 1])
print("文件名:" + fileName)
# 建立一个新路径
filePath = os.path.join(dirName, fileName)
filePathList.append(filePath)
if not os.path.exists(filePath):
imageUrlPath = requests.get(downloadUrl)
# 检查当前网络是否请求成功
imageUrlPath.raise_for_status()
# 'wb'二进制模式打开img适用
imageFile = open(filePath, 'wb')
for image in imageUrlPath.iter_content(10000):
# 把每次遍历的文件图像都存储进文件夹中
imageFile.write(image)
# 关闭文件
imageFile.close()
i = i + 1
return filePathList
# 图片展示
def show(url):
xz = kongfuzi.DownLoad()
html = xz.get(url)
# 添加代理ip到ip_list
add_ip = e2.get()
xz.ip_list.append(add_ip)
soup = changesoup(html)
bookname, price, place, storename = bookinfo(soup)
# print(bookname)
# print(price)
# print(place)
# print(storename)
filePathList = imgsave(soup)
root1 = Toplevel()
root1.geometry("1720x800")
root1.title("孔网图片爬取")
# 处理图片,转换成可以显示
photo = []
temp = []
for each in filePathList:
temp = Image.open(each)
photo.append(ImageTk.PhotoImage(temp))
canvas = Canvas(root1, width=1700, height=800, scrollregion=(0, 0, 0, 4000)) # 创建canvas
canvas.place(x=10, y=10) # 放置canvas的位置
frame = Frame(canvas) # 把frame放在canvas里
frame.place(width=1680, height=800)
for i in range(50):
# 图片行列
rownum = int(i / 5)
columnnum = i % 5
# photo = ImageTk.PhotoImage(Image.open(filePathList[i]))
imgLabel1 = Label(frame, image=photo[i], width=280, height=280)
imgLabel1.grid(row=rownum * 5, column=columnnum, padx=10, pady=5)
infoLabel1 = Label(frame, text="书名:" + bookname[i], bg="#FFF8DC", justify=LEFT)
infoLabel1.grid(row=rownum * 5 + 1, column=columnnum, padx=45, pady=2, sticky=W)
infoLabel2 = Label(frame, text="价格:" + price[i] + "元", bg="#FFF8DC", justify=LEFT)
infoLabel2.grid(row=rownum * 5 + 2, column=columnnum, padx=45, pady=2, sticky=W)
infoLabel3 = Label(frame, text="发货地区:" + place[i], bg="#FFF8DC", justify=LEFT)
infoLabel3.grid(row=rownum * 5 + 3, column=columnnum, padx=45, pady=2, sticky=W)
infoLabel4 = Label(frame, text="书店:" + storename[i], bg="#FFF8DC", justify=LEFT)
infoLabel4.grid(row=rownum * 5 + 4, column=columnnum, padx=45, pady=2, sticky=W)
vbar = Scrollbar(canvas, orient=VERTICAL) # 竖直滚动条
vbar.place(x=1680, width=20, height=800)
vbar.configure(command=canvas.yview)
canvas.config(yscrollcommand=vbar.set) # 设置
canvas.create_window((800, 2000), window=frame)
mainloop()
if __name__ == '__main__':
# 界面
root = Tk()
root.title("孔网图片爬取")
e1 = Entry(root)
e2 = Entry(root)
e1.grid(row=0, column=0, padx=20, pady=20)
e2.grid(row=0, column=2, padx=20, pady=20)
label1 = Label(root, text="关键字", width=10).grid(row=0, column=1, padx=10, pady=5)
label2 = Label(root, text="添加代理ip", width=10).grid(row=0, column=3, padx=10, pady=5)
btn1 = Button(root, text="搜索", width=10, command=download).grid(row=1, column=1, padx=10, pady=5)
# print(e1.get())
mainloop()
来源:https://blog.csdn.net/Bancroft_boy/article/details/80904322


猜你喜欢
- 本文实例分析了php文件操作的方法。分享给大家供大家参考,具体如下:一、删除文件unlink()语法: int unlink(string
- 正在看的ORACLE教程是:Access2000迁移到Oracle9i要点。 &nb
- 一、前言在写业务代码时候,有许多场景需要重试某块业务逻辑,例如网络请求、购物下单等,希望发生异常的时候多重试几次。本文分享如何利用Pytho
- 很多新手刚开始学习python的时候经常会看到python 中__name__ = \'__main__\' 这样的代码,可
- 阅读上一章:[翻译]标记语言和样式手册 Chapter 15 为body指定样式Chapter 16 下一步现在你知道了如何使用标准改进你的
- 问题问题1Python是一种动态语言,不支持类型检查。当需要对一个对象执行类型检查时,可能会采用下面的方式:class Foo(object
- 1. 背景golang 原生 json 包,在处理 json 对象的字段的时候,是需要严格匹配类型的。但是,实际上,当我们与一些老系统或者脚
- 具体环境:Ubuntu 14.04 Python 2.7.6 Django 1.7.1 Virtualenv name:test Nginx
- 我们平时接触的长乘法,按位相乘,是一种时间复杂度为 O(n ^ 2) 的算法。今天,我们来介绍一种时间复杂度为 O (n ^ log 3)
- 终于把promise, async, await的区别和联系弄清楚了,看下面代码写法1,2是promise的写法写法6是async和awai
- 操作说明:选择多个PDF文件,执行完合并后会生成一个新的PDF文件,这个新的PDF文件包含所有源PDF文件的页面。将相关的三方模块导入到代码
- 单例模式概念单例模式:“保证一个类仅有一个实例,并提供一个访问它的在这里插入代码片全局访问点。单例模式会阻止其他对象实例化其自己的单例对象的
- 背景最近在搭一个新项目的架子,在生产环境中,为了能实时的监控程序的运行状态,少不了逻辑执行时间长度的统计。时间统计这个功能实现的期望有下面几
- XHTML规范中有一条标准就是“每个XHTML标签都有一个结束标记”。那么对于HTML中原来不带结束标记的元素,则在该结束前加上“/”来关闭
- 基于python的Appium进行b站直播消费记录爬取之前看文章说fiddler也可以进行爬取,但尝试了一下没成功,这次选择appium进行
- 我就废话不多说了,直接上代码吧!# -*- coding: UTF-8 -*-import osimport report = 8080de
- pytorch Backward过程用时太长问题描述使用pytorch对网络进行训练的时候遇到一个问题,forward阶段很快(只需要几毫秒
- 在java的应用中,我们经常会对数据库进行必要的操作,下来我们就了解一下如何用java连接mysql数据库 以及java连接sql serv
- 在中文分词中,jiebe库是最为常见的,主要的原因还是它独特的支持分词模式如:精确模式、全模式、搜索引擎模式。也对应着三种方式,包括jieb
- 完美解决“换另一台电脑上用VS2008继续开发web项目时出现 “System.Runtime.InteropServices.COMExc