在mac下使用python抓取数据

2015已经过去，这是2016的第一篇博文！

祝大家新年快乐！

但是我还有好多期末考试！

还没开始复习，唉，一把辛酸泪！

最近看了一遍彦祖的文章叫做

iOS程序员如何使用Python写网路爬虫

所以自己也想小试牛刀.于是便开始动手写,但初次接触,还是遇见了很多不懂的东西,于是爬文一个一个解决了,最终抓取了自己想要的东西

彦祖的这篇文章里Python代码格式有错,但是解释是没错的!所以我待会儿贴出我能正确运行的代码

彦祖的文章里说可以直接用类似于cocoapods的Python库管理工具pip进行安装我们解析网页所需要用的第三方库BeautifulSoup!

Mac确实是自带了Python.但是并没有安装pip,所以需要我们手动进行安装!

有人说可以使用命令:easy_install pip进行安装,但是我并没有安装成功!百思不得其解

于是爬文寻找其他方法:http://stackoverflow.com/questions/17271319/installing-pip-on-mac-os-x

原来是需要我的超级管理员权限...

至此,安装Pip成功

• 第二步:安装BeautifulSoup!

　　用彦祖的命令去运行,结果报错!提示我安装失败!(又忘了截图..)

没办法,就尝试手动安装BeautifulSoup,结果还是不行

后来我想是不是还是因为没有管理员权限的原因

于是尝试加上过后,就安装成功了

好了,开始写代码吧,但是我一个新人连该用什么来写Python代码都不知道!

又搜!(好低级的问题)=====>用记事本就行(真方便)(保存为.py文件后，是用的xcode打开的)

于是敲了如下代码:

 1 #!/usr/bin/python
 2 #-*- coding: utf-8 -*-
 3 #encoding=utf-8
 4
 5 import urllib2
 6 import urllib
 7 import os
 8 from BeautifulSoup import BeautifulSoup
 9 def getAllImageLink():
10     html = urllib2.urlopen(‘http://www.dbmeinv.com‘).read()
11     soup = BeautifulSoup(html)
12
13     liResult = soup.findAll(‘li‘,attrs={"class":"span3"})
14
15     for li in liResult:
16         imageEntityArray = li.findAll(‘img‘)
17         for image in imageEntityArray:
18             link = image.get(‘src‘)
19             imageName = image.get(‘title‘)
20             filesavepath = ‘/Users/WayneLiu_Mac/Desktop/meizi/%s.png‘ % imageName
21             urllib.urlretrieve(link,filesavepath)
22             print filesavepath
23
24
25 if __name__ == ‘__main__‘:
26     getAllImageLink()

获得了如下数据(彦祖好邪恶....):

其实python真的很强大的，短短数几十行代码就可以实现这些功能！

闲来无事,又完善了一下代码,用以获得所有妹子的照片...

 1 #!/usr/bin/python
 2 #-*- coding: utf-8 -*-
 3 #encoding=utf-8
 4
 5 import urllib2
 6 import urllib
 7 import os
 8 import socket
 9 from BeautifulSoup import BeautifulSoup
10
11
12 def getAllImageLink():
13     xiayiye = True
14     page = ‘/?pager_offset=12‘
15     while(1):
16         html = urllib2.urlopen(‘http://www.dbmeinv.com%s‘ % page).read()
17         soup = BeautifulSoup(html)
18
19         liResult = soup.findAll(‘li‘,attrs={"class":"span3"})
20         nextResult = soup.findAll(‘li‘,attrs={"class":"next next_page"})
21
22
23         for li in liResult:
24             imageEntityArray = li.findAll(‘img‘)
25             nameResult = li.findAll(‘span‘,attrs={"class":"starcount"})
26             for name in nameResult:
27                 nameTitle = name.get(‘topic-image-id‘)
28
29             for image in imageEntityArray:
30                 link = image.get(‘src‘)
31                 filesavepath = ‘/Users/WayneLiu_Mac/Desktop/meizi2/%s.jpg‘ % nameTitle
32                 socket.setdefaulttimeout(30)
33                 urllib.urlretrieve(link,filesavepath)
34                 print filesavepath
35
36         for nextPage in nextResult:
37             aEntityArray = nextPage.findAll(‘a‘)
38             for a in aEntityArray:
39                 nextTitle = a.get(‘title‘)
40                 print nextTitle
41                 page = a.get(‘href‘)
42                 print page
43                 if  nextTitle.encode(‘utf-8‘) != "下一页":
44                     xiayiye = False
45                     print xiayiye
46         if xiayiye == False:
47             break
48
49 if __name__ == ‘__main__‘:
50         getAllImageLink()

呵呵哒...