python爬虫小demo，简单明了

小灰灰 2022-03-12 11:18 218阅读 0赞

**题目解析的爬取**

**思路**

1.将所以题目的解析链接爬取出去单独存放到一个文件。

2.为了解决有些链接一次进不去必须中断程序再次开始，和存储图片思路一样，争取实现断点继续，

3.但是写入文件和保存图片还是不一样，针对面临的情况，初步解决想法为每抽取一条链接的解析，就删掉这个链接，用列表存储从链接文件中读取的链接

**同时爬取图片和动图问题**

因为科目四有的题目包含动图，要爬取的网站是做成mov格式的短视频  
例如：

<div class="test-r f-r">
                          <video src="http://www.jiazhao.com/images/tiku/201511231357033827.mov" controls="controls">您的浏览器不支持不放</video>

**增加获取视频链接**

系列一获取图片的方法是在获取选项、答案的基础上再次传到BeautifulSoup对象，然后再次提取img标签，如果某题没有图片，提取的则是一个空值，此处提取img和video标签。如果某题没有图片或视频，提取的则是一个空值。只需改一句代码

img = soup.find_all(['img','video'])

**获取图片或动图后缀**

系列一中为了方便直接在文件名后面加的字符串形式.png后缀，但是现在要解决后缀不一致（写代码尽可能还是不要偷懒…）  
解决代码：

if img:
        for im in img:
            src = im.get('src')
            suffix = src.split('.')[3] 
            filename = str(i) + '.' + suffix

如果此题有图片或动图，则把这个图的链接通过’.’进行分割。最后的元素则是后缀

> 小编推荐一个学python的学习qun 740,3222,34  
> 无论你是大牛还是小白，是想转行还是想入行都可以来了解一起进步一起学习！裙内有开发工具，很多干货和技术资料分享！

**争取实现断点继续**

不知道为什么程序会暂停不动，模仿浏览器，捕获异常都试了，依然不行，所以我尽可能的实现断点继续。  
每个图片对应一个链接，难免有一个链接卡住（我猜测的）  
解决办法 :  
在我们得到链接，并生成文件名后，先不去打开这个这个链接，先根据文件名判断这个图片是否文件夹中已经包含，如果包含扔掉这个链接，去继续下一个链接

if img:
        for im in img:
            src = im.get('src')
            suffix = src.split('.')[3] 
            filename = str(i) + '.' + suffix
            if os.path.exists('picture/'+filename):
                break
            saveImg(im.get('src'),filename)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzYzMDIy_size_16_color_FFFFFF_t_70]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM5MzYzMDIy_size_16_color_FFFFFF_t_70]: /images/20220312/9532790fc1a24a0cb9e0188e874766c4.png