首页手记斗图会输？不存在的

斗图会输？不存在的

标签：

Java Python iOS

快速下载大量表情包，告别斗图白痴时代。

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

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：https://www.doutula.com/photo/list/?page=2
第三页：https://www.doutula.com/photo/list/?page=3
第四页：https://www.doutula.com/photo/list/?page=4

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

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，

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：

    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

        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：

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：