spider_爬取斗图啦所有表情包（图片保存）

"""爬取斗图吧里面的所有表情包

知识点总结： 一、使用requests库进行爬取，随机请求头（网站反爬措施少。挂个请求头足矣） 二、具体思路：               1.先爬取所有的图片url，放在列表里               2.循环遍历url请求这些图片，               3.将图片进行分类保存三、分类保存用到一个知识点，endwith（以***结尾）               使用这个函数，将jpg，gif，png等不同类型的图片分开四、演示案例中，只爬取了前20页。五、各个定义的数字变量意思为：               n=1     网页页数               num=1   保存图片数

注：该案例主要是练习　　　　1.图片的保存，应注意，保存时使用字节流的形式。　　　　2.书写爬虫代码的逻辑思维。"""from fake_useragent import FakeUserAgentimport requestsimport reimport timeimport randomdef getUrls():    # 将获取到的url列表在放到list这个列表里    url_list=[]    n=1    while True:        url = f"http://www.doutula.com/article/list/?page={n}"        headers = {            "User-Agent":FakeUserAgent().random        }        htmlStr = requests.get(url,headers=headers).text        # print(htmlStr)

        # 定义   提取图片url的正则        urls = r‘data-original="(.*?)"‘        # 编译        urls = re.compile(urls)        #正则提取        urls = re.findall(urls,htmlStr)        url_list.append(urls)        print("正在收集第%s页的图片"%n)        n = n + 1        # 设置延时        time.sleep(0.5)        # 当n=21的时候，爬虫程序停止.为了演示方便只保存前二十页其实共有615页        if n == 21:            break    print(len(url_list))    return url_list

# 保存图片# 以字节的形式将图片保存def download(url_list):    num = 1    for urls in url_list:        for url in urls:            header={                "User-Agent":FakeUserAgent().random            }            # 因为爬取到的图片有两种，所以写了一个判断条件，分类保存，            if url.endswith(‘.jpg‘):                # 保存到本地                with open(‘./img/%s.jpg‘%num,‘wb‘) as file:                    # 获取到图片  字节                    img = requests.get(url, headers=header)                    file.write(img.content)                    print("正在保存第%s张图片"%num)                    num += 1                    time.sleep(0.3)            elif url.endswith(‘.gif‘):                # 保存到本地                with open(‘./img/%s.gif‘ % num, ‘wb‘) as file:                    # 获取到图片  字节                    img = requests.get(url, headers=header)                    file.write(img.content)                    print("正在保存第%s张图片" % num)                    num += 1                    time.sleep(0.3)

if __name__ == ‘__main__‘:    url_list=getUrls()    download(url_list)

原文地址：https://www.cnblogs.com/YangQingHong/p/11006257.html