用Python爬取COS网页全部图片

base_url = 'http://www.win4000.com/meinvtag26_{}.html'.format(page) 
##构建一个base_url来存放URL地址
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4181.9 Safari/537.36'}
##构建一个hearders参数来伪装为一个浏览器用户，构造出一个身份

import requests  ##安装后导入第三方模块 requests （HTTP 客户端库）

response = requests.get(base_url, headers=headers)
##调出静态网页的get方法，获取该网页的URL，将关键字base_url和headers传入
##进方法中去，并创建一个response对象来接收
data = response.text
##从response对象中获取数据，因为数据是字符串类型的所以用".text"来提取，
##并建立一个data变量来接收

print(data)##确定代码是否可以成功运行，如果成功运行则可以注释掉

import parsel    ##安装后导入第三方模块 parsel（数据解析模块）
import os        ##系统自带模块，无需安装，直接导入第三方模块 os

html_data = parsel.Selector(data)##转换对象，将data数据传递进变量

data_list = html_data.xpath('//div[@class="Left_bar"]//ul/li/a/@href|//div[@class="Left_bar"]//ul/li/a/img/@title').extract()
#将转化为Selector对象的data_list运用xpath,在div中跨节点找到“class="Left_bar"进行精确定位

base_url = 'http://www.win4000.com/meinvtag26_{}.html'.format(page) ##构建一个base_url来存放URL地址
##构建一个“.format(page)”来传入页数

data_list = html_data.xpath('//div[@class="Left_bar"]//ul/li/a/@href|//div[@class="Left_bar"]//ul/li/a/img/@title').extract()
#获取相册的名字，返回的是一个列表

#使用列表推导式对列表进行分组
data_list = [data_list[i:i + 2] for i in range(0, len(data_list), 2)]#将相册的名称和相册的url地址进行分组

for alist in data_list:
    html_url = alist[0]#取到每一个相册的URl地址
    file_name = alist[1]#取到每一个相册的名称
 创建图片的文件夹
root = 'G:/COS1/'
if not os.path.exists('img\\' + file_name):
    os.mkdir('img\\' + file_name)#如果没有存在当前文件夹，则创建文件夹
print('正在下载：', file_name)#打印出正在下载的图片名称

for url in range(1, int(page_num) + 1):
    # 构建相册翻页的url地址
    url_list = html_url.split('.')
    all_url = url_list[0] + '.' + url_list[1] + '.' + url_list[2] + '_' + str(url) + '.' + url_list[3]
    #嵌套出当前相册的每一张图片的URL地址，并拼接

response_3 = requests.get(all_url, headers=headers).text
html_3 = parsel.Selector(response_3)
img_url = html_3.xpath('//div[@class="pic-meinv"]//img/@data-original').extract_first()
#因为仅当他加载图片时才返回图片数据，所以这个网页是软加载图片
 #将转化为Selector对象的html_3运用xpath,在div中跨节点找到“class="pic-meinv"进行精确定位
 #再按照同样跨节点的方式依次找到<img>，@a标签中的hdata-original属性，并创建一个img_url变量来接收
#使用“.extract_first()”提取出整一个数据，如果不加则只有一张图片
 print(img_url)

#请求图片的url地址
img_data = requests.get(img_url, headers=headers).content

 #图片的文件名
img_name = str(url) + '.jpg'#准备文件名称
#取当前for循环的索引做为文件名

with open('img\\{}\\'.format(file_name) + img_name, 'wb') as f:
    print('下载完成：', img_name)
    f.write(img_data)#写入文件数据

import requests  ##安装后导入第三方模块 requests（HTTP 客户端库）
import parsel    ##安装后导入第三方模块 parsel（数据解析）
import os        ##系统自带模块，无需安装，直接导入第三方模块 os（操作系统交互功能）

for page in range(1, 6):#构建翻页的范围，从1开始到6（即第5页）结束
    print('=======================正在爬取第{}页数据====================='.format(page))
    # 1、确定爬取的url路径，headers参数
    base_url = 'http://www.win4000.com/meinvtag26_{}.html'.format(page) ##构建一个base_url来存放URL地址
    ##构建一个“.format(page)”来传入页数
    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4181.9 Safari/537.36'}
    #构建一个hearders参数来伪装为一个浏览器用户，构造出一个身份

    # 2、发送请求 -- requests 模拟浏览器发送请求，获取响应数据
    response = requests.get(base_url, headers=headers)
    #调出静态网页的get方法，获取该网页的URL，将关键字base_url和headers传入进方法中去，并创建一个response对象来接收
    data = response.text
    #从response对象中获取数据，因为数据是字符串类型的所以用".text"来提取，并建立一个data变量来接收
    # print(data)##确定代码是否可以成功运行，如果成功运行则可以注释掉

    # 3、解析数据 -- parsel  转化为Selector对象，Selector对象具有xpath的方法，能够对转化的数据进行处理
    html_data = parsel.Selector(data)
    #转换对象，将data数据传递进变量html_data中，即将data数据自动转换为Selector对象
    data_list = html_data.xpath('//div[@class="Left_bar"]//ul/li/a/@href|//div[@class="Left_bar"]//ul/li/a/img/@title').extract()
    #获取相册的名字，返回的是一个列表
    #将转化为Selector对象的data_list运用xpath,在div中跨节点找到“class="Left_bar"进行精确定位
    # 再按照同样跨节点的方式依次找到<ul>，<li> ,<a>,@a标签中的href属性，再用“.extract()”方法将Selector数据取出，并创建一个data_list变量来接收
    #  print(data_list)

    # 使用列表推导式对列表进行分组
    data_list = [data_list[i:i + 2] for i in range(0, len(data_list), 2)]#将相册的名称和相册的url地址进行分组
    # print(data_list)

    # 遍历列表元素
    for alist in data_list:
        html_url = alist[0]#取到每一个相册的URl地址
        file_name = alist[1]#取到每一个相册的名称
        # print(html_url, file_name)

        # 创建图片的文件夹
        root = 'G:/COS1/'
        if not os.path.exists('img\\' + file_name):
            os.mkdir('img\\' + file_name)#如果没有存在当前文件夹，则创建文件夹
        print('正在下载：', file_name)#打印出正在下载的图片名称

        # 发送详情页的请求,解析出总页数
        response_2 = requests.get(html_url, headers=headers).text
        html_2 = parsel.Selector(response_2)
        page_num = html_2.xpath('//div[@class="ptitle"]//em/text()').extract_first()
        # print(page_num)

        for url in range(1, int(page_num) + 1):
            # 构建相册翻页的url地址
            url_list = html_url.split('.')
            all_url = url_list[0] + '.' + url_list[1] + '.' + url_list[2] + '_' + str(url) + '.' + url_list[3]
            #嵌套出当前相册的每一张图片的URL地址，并拼接
            # print(all_url)

            # 发送详情页的请求,解析详情页的图片url地址
            response_3 = requests.get(all_url, headers=headers).text
            html_3 = parsel.Selector(response_3)
            img_url = html_3.xpath('//div[@class="pic-meinv"]//img/@data-original').extract_first()
            #因为仅当他加载图片时才返回图片数据，所以这个网页是软加载图片
            # 将转化为Selector对象的html_3运用xpath,在div中跨节点找到“class="pic-meinv"进行精确定位
            # 再按照同样跨节点的方式依次找到<img>，@a标签中的hdata-original属性，并创建一个img_url变量来接收
            #使用“.extract_first()”提取出整一个数据，如果不加则只有一张图片
            # print(img_url)

            # 请求图片的url地址
            img_data = requests.get(img_url, headers=headers).content

            # 图片的文件名
            img_name = str(url) + '.jpg'#准备文件名称
            #取当前for循环的索引做为文件名

            # 4、保存数据
            with open('img\\{}\\'.format(file_name) + img_name, 'wb') as f:
                print('下载完成：', img_name)
                f.write(img_data)#写入文件数据