爬取-站长的图片素材

# 1)请求对象的定制
# 2)获取网页的源码
# 3)下载

# 需求 下载的前十页的图片
# https://sc.chinaz.com/tupian/qinglvtupian.html   1
# https://sc.chinaz.com/tupian/qinglvtupian_page.html

import urllib.request
from lxml import etree

# 请求对象定制，实现
def create_request(page):
    # 判断页码，定制url
    if(page == 1):
        url = 'https://sc.chinaz.com/tupian/qinglvtupian.html'
    else:                              # 字符串拼接，两边都要是字符串类型
        url = 'https://sc.chinaz.com/tupian/qinglvtupian_' + str(page) + '.html'

    # 请求头
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36',
    }

    # 请求对象的定制（url参数传递，headers参数传递）
    request = urllib.request.Request(url = url, headers = headers)
    return request

# 获取网页源码，实现
def get_content(request):
    # 模拟浏览器B，向服务器S,发送请求
    response = urllib.request.urlopen(request)
    # 获取响应数据（read读方法返回字节形式二进制数据.decode解码）
    content = response.read().decode('utf-8')
    return content


def down_load(content):

    # 解析服务器响应的文件。用来解析字符串格式的HTML文档对象，将传进去的字符串转变成 element 对象
    tree = etree.HTML(content)

    # xpath解析，图片名字
    name_list = tree.xpath('//div[@id="container"]//a/img/@alt')

    # xpath解析，图片地址
    # 一般设计图片的网站都会进行懒加载，只有当显示到图片的位置src2——>才会变成src。所以要变之前获取数据
    src_list = tree.xpath('//div[@id="container"]//a/img/@src2')

    # 遍历数据
    for i in range(len(name_list)):

        # 使用下标获取列表的元素
        name = name_list[i]
        src = src_list[i]

        # url拼接
        url = 'https:' + src
        # print(name,url)
        # 下载图片
        # urllib.request.urlretrieve('图片地址','文件的名字')
        urllib.request.urlretrieve(url=url,filename='./loveImg/' + name + '.jpg')
# 程序入口
if __name__ == '__main__':
    # 注意强制类型转换
    start_page = int(input('请输入起始页码'))
    end_page = int(input('请输入结束页码'))

    # 遍历
    for page in range(start_page,end_page+1):
        # (1) 请求对象的定制
        request = create_request(page)
        # （2）获取网页的源码
        content = get_content(request)
        # （3）下载
        down_load(content)