• 技术文章 >后端开发 >Python教程

    python采集博客中上传的QQ截图文件

    2016-06-16 08:43:10原创735
    哎,以前写博文的时候没注意,有些图片用QQ来截取,获得的图片文件名都是类似于QQ截图20120926174732-300×15.png的形式,昨天用ftp备份网站文件的时候发现,中文名在flashfxp里面显示的是乱码的,看起来好难受,所以写了一个python小脚本,爬取整个网站,然后获取每个文章页面的图片名,并判断如果是类似于QQ截图20120926174732-300×15.png的形式就输出并将该图片地址和对应的文章地址保存在文件中,然后通过该文件来逐个修改。

    好了,下面是程序代码:

    import urllib2
    from bs4 import BeautifulSoup
    import re
    import sys
    reload(sys)
    sys.setdefaultencoding('utf-8')
     
    baseurl = "http://www.jb51.net/dont-worry.html"
    #说明下,起始地址是第一篇文章的地址,通过该文章的页面就
    #可以使用BeautifulSoup模块来获取上一篇文章的地址
     
    file = open(r"E:\123.txt","a")
     
    def pageloop(url):
      page = urllib2.urlopen(url)
      soup = BeautifulSoup(page)
      img = soup.findAll(['img'])
      if img == []:
        print "当前页面没有图片"
        return
      else:
        for myimg in img:
          link = myimg.get('src')
          print link
          
          pattern = re.compile(r'QQ\S*[0-9]*png')
          badimg = pattern.findall(str(link))
          if badimg:
            print url
            file.write(link + "\n")
            file.write(url+"\n")
          
     
     
    def getthenextpage(url):
      pageloop(url)
      page = urllib2.urlopen(url)
      soup = BeautifulSoup(page)
      for spanclass in soup.findAll(attrs={"class" : "article-nav-prev"}):
        #print spanclass
        if spanclass.find('article-nav-prev') != -1:
          pattern = re.compile(r'http://www.jb51.net/\S*html')
          pageurl = pattern.findall(str(spanclass))
          for i in pageurl:
            #print i
            getthenextpage(i)
           
          
     
    getthenextpage(baseurl)
     
     
     
    print "the end!"
    file.close()
    

    最后,对和我以前刚开始做网站的同学说下,图片命名的话最好是用数字形式或者是英文、拼音的形式,要不然到最后想修改的话就麻烦了,所以最好就是从刚开始就养成好的习惯,用正确的命名规范来问文章、图片来命名,这样就会好很多。

    声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn核实处理。
    上一篇:使用python编写android截屏脚本双击运行即可 下一篇:python 示例分享---逻辑推理编程解决八皇后
    20期PHP线上班

    相关文章推荐

    • 【活动】充值PHP中文网VIP即送云服务器• Python编码规范知识点整理• 完全掌握Python自动操作GUI之PyAutoGUI• 一文搞懂python中Tkinter的使用• 聊聊利用python怎么读取mat文件内容(matlab数据)• Python可视化总结之matplotlib.pyplot基本参数详解
    1/1

    PHP中文网