斗图会输？不存在的

发表于

本文概要

前言：

本文非常浅显易懂，可以说是零基础也可快速掌握。如有疑问，欢迎留言，笔者会第一时间回复。本文代码存于github

一、分析表情包网址

进入斗图啦

1、进入斗图啦网址，点击**“最新表情”**，再点击第二、第三页，得出规律如下：

第一页：www.doutula.com/photo/list/…
第三页：www.doutula.com/photo/list/…
第四页：www.doutula.com/photo/list/…

可以看出，page 的值跟点击的页数有关，因此，我们就拿到了要爬取的 url

2、打开检查元素，可以看到html源码

html源码

可以看出，每一页的图片都在 div 标签里面，然后每一个 a 标签包含一个图片，
html源码

我们要取到表情包，就是要取得 a 标签包含的图片 url，我们可以利用 xpath 语法。

二、实践

a、获取 img 标签取到的 img 有 gif 的信息，我们需要过滤掉
imgs = html.xpath("//div[#class='page-content text-center'//img[@class != 'gif']")

b、接下来是获取图片的 url，上面的代码如下：

1
2
3
4
复制代码    for img in imgs:
        # print(etree.tostring(img))
        img_url = img.get('data-original')  # 不知道为什么多个 ！data ,去掉它
        img_url = img_url.replace("!dta", "")

c、截取后缀，得到文件名，并保存

1
2
3
4
5
复制代码        alt = img.get('alt') # 获取图片名字
        # alt 可能某些情况下需要处理非法字符（这些字符不可以当做名字保存）
        suffix = os.path.splitext(img_url)[1] # 对url进行分割，取数组中的第二位，得到后缀名
        filename = alt + suffix
        request.urlretrieve(img_url, 'images/' + filename) # 保存图片

这样下来，就已经可以快速保存你所需要的表情包了，论斗图，谁比得过你

全部代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
复制代码def parse_page(url):

    headers = {
        'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36'
    }
    response = requests.get(url, headers=headers)
    # print(response.text) # 打印html源代码
    html = etree.HTML(response.text)
    imgs = html.xpath("//div[@class='page-content text-center']//img[@class!='gif']")
    for img in imgs:
        # print(etree.tostring(img))
        img_url = img.get('data-original')  # 不知道为什么多个 ！data ,去掉它
        img_url = img_url.replace("!dta", "")
        # print(img_url)
        alt = img.get('alt') # 获取图片名字
        # alt 可能某些情况下需要处理非法字符（这些字符不可以当做名字保存）
        print(alt)
        suffix = os.path.splitext(img_url)[1] # 对url进行分割，取数组中的第二位，得到后缀名
        filename = alt + suffix
        print(filename)
        request.urlretrieve(img_url, 'images/' + filename) # 保存图片

def main():
    for x in range(1,51): # # 爬取前50页 range(1,3) 这里相当于 1 2
        url = 'https://www.doutula.com/photo/list/?page=%d' % x
        parse_page(url)
        break

最终结果：

斗图.png

区区20几行代码，就可以造就一个斗图西方求败的你，赶快来行动吧！

当然，还可以更高级一点，就是利用多线程，异步进行爬取、下载，几秒钟就可以下载到上千张的表情包！相关代码，我也放到了 github ，需要的朋友自行去look look!

更多精彩内容，请关注公众号 “bigdeveloper”——程序员大咖秀

本文转载自: 掘金

开发者博客 – 和开发相关的 这里全都有

0%