python3 爬“斗图啦”

来看看

　　接触了一个多月的python，终于可以小小露一手了。手法之拙略就不得不恭维了，哈哈，
　　环境win7系统，Python3.6，Pycharm2017社区版，还有Google浏览器（官网均可下载）
　　http://www.doutula.com
　　需要的模块requests, lxml, BeautifulSoup,
import requests　　
import lxml
　　
from bs4 import BeautifulSoup
　　说明一下，下载很多网站都有了反爬机制，所以道高一尺，魔高一丈了，我们模拟浏览器去访问网站，
　　也就是获得
　　User-Agent:
　　Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.81 Safari/537.36
　　方法：随便打开网页 F12 --Network --F5 --Headers -- User-Agent

　　代码来了
start_url = "http://www.doutula.com/arcticle/list/?page=1"　　
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.133 Safari/537.36'}
　　

　　
start_html = requests.get(url=url, headers=headers).content
　　
#print(start_html)
　　

　　
soup = BeautifulSoup(start_html,'lxml')  ##lxml 解析网页的
　　
all_a = soup.find_all('a',attrs={'class':'list-group-item'})
　　

　　
for a in all_a:
　　
    #title = a.h4.get_text()
　　
    url = a['href']
　　
    #print(title,url)

　　每一套“斗图”对应一个 a 标签，所以直接find_all('a',attrs={'class':'list-group-item'})，谢谢站长布局如此规律。
　　注意这是上面代码的继续，所以注意 缩进
img_html = requests.get(url,headers=header).text　　
img_soup = lxml.etree.HTML(img_html)  ##打印源码，自动修正html
　　
img_items = img_soup.xpath('//div[@class="artile_des"]')
　　
for item in img_items:
　　
    imgurl_list = item.xpath('table/tbody/tr/td/a/img/@src')[0]  ##[0]取list的第一个元素
　　
    print("正在下载"+imgurl_list)
　　
    imgcontent = requests.get(imgurl_list).content ##换成text会报错no 'str'
　　
    with open('doutu/%s' % imgurl_list.split('/')[-1],'wb') as f:  ##doutu是文件夹，需要自己提前创建
　　
        f.write(imgcontent)

　　然后就有你要的图了，一个一个，据说还可以多线程下载，当然需要另一个模块（threading）了的，
　　下次见