"""
python抓取性感尤物美女图.py
2016年5月4日 00:51:00 codegay

参考资料: Python3学习笔记（urllib模块的使用）
http://www.cnblogs.com/Lands-ljk/p/5447127.html

以下例子是python2的代码，并且用到lxml,requests 库
我用python3标准库和正则写一个下载全站美女图的程序

使用python来批量抓取网站图片
http://www.cnblogs.com/TeyGao/p/5225940.html
"""
print("程序运行中...")
import re
from urllib import request
import os
from pprint import pprint
from time import sleep

rooturl="http://www.xgyw.cc/"

def getclass():
    rec=re.compile('''align=center\>\<a href="(/\w+/)\"\>(.+)\</a\>''')
    try:
        txt=request.urlopen(rooturl).read().decode("gbk")
        fl=rec.findall(txt)
    except:
        print("错误")
        sleep(1)
        
    print("分类：")
    pprint(fl)
    return fl
fenlei=getclass()#下载所有分类下的图片
#fenlei=[getclass()[-1]]#只下载推女郎

def getpagelist():
    plist=[]
    for f,n in fenlei:
        rec=re.compile('''({}page_\d+?\.html)'''.format(f))
        try:
            txt=request.urlopen(rooturl+f).read().decode("gbk")
            t=sorted(set(rec.findall(txt)+[f]))
            plist+=t
        except:
            print("错误",e)
            sleep(1)
            
    #print("page_list:")
    #pprint(plist)
    return plist
pagelist=getpagelist()

def getalbumlist():
    albumlist=[]
    for r in pagelist:
        print(rooturl+r)
        try:
            txt=request.urlopen(rooturl+r).read().decode("gbk")
            for x in re.findall(r'''href=(/(\w+)/(\2)\d+.html)''',txt):
                albumlist+=[x[0]]
        except:
            print("getalbumlist错误")
            sleep(1)
    return albumlist
albumlist=getalbumlist()

def getfphoto():

    for r in albumlist:
        try:
            txt=request.urlopen(rooturl+r).read().decode("gbk")
            result=re.findall(r'''(/(\w+)/(\2)\d+_?\d*.html)''',txt)
            print(t)
        except:
            sleep(1)
            
            pass
        for x in result:
            try:
                html=request.urlopen(rooturl+x[0]).read().decode("gbk")
                jpgresult=re.findall('''src=\"(/uploadfile.*?\d+/\w+\.jpg)\"''',html)
                print(jpgresult)
            except:
                sleep(1)
            for h in jpgresult:
                try:
                    request.urlretrieve(rooturl+h,os.path.basename(h))
                except:
                    print(3)
                    sleep(1)

getfphoto()
复制代码

import re
from urllib import request
import os
from pprint import pprint
from time import sleep

url_imgs = 'http://img.xgyw.cc/'
url_root = 'http://www.xgyw.cc'
url_find = url_root + '/neiyiyouwu/neiyiyouwu2035.html'
path_save = '.'

try:
	txt=request.urlopen(url_find).read().decode("gbk")
	rs_page=re.findall(r'''(/(\w+)/(\2)\d+_?\d*.html)''',txt)
	print('\n### rs_page::\n', rs_page)
except:
	sleep(1)
	pass
	
nPage = 0
for x in rs_page:
	nPage += 1
	url_page = url_root + x[0]
	try:
		html=request.urlopen(url_page).read().decode("gbk")
		rs_img=re.findall('''src=\"(/uploadfile.*?\d+/\w+\.jpg)\"''',html)
		print('\n### Page:' + str(nPage) + '/' + str(len(rs_page)))
		print('\t### ' + url_page)
	except:
		sleep(1)
		
	nImgs = 0
	for h in rs_img:
	
		nImgs += 1
		
		fn = os.path.basename(h)
		dp = os.path.basename(url_find)
		#dp = url_find[url_find.rfind('/')+1:]
		dp = path_save + '/' + dp[:dp.rfind('.')]
		if (os.path.exists(dp) == False) : os.makedirs(dp)	#建立文件夹
		
		ff = (dp + '/' + fn).replace('/', '\\')
		url_img = url_imgs + h
		
		print('\n### Page:' + str(nPage) + '/' + str(len(rs_page)), '\tImgs:' + str(nImgs) + '/' + str(len(rs_img)))
		print('\t### ' + url_page)
		print('\t###   ', url_img)
		print('\t### ->', ff)
		
		try:
			if (os.path.exists(ff) == False):
				print('\t### Download ...')
				request.urlretrieve(url_img, ff)
				print('\t\t### [OK]')
			else:
				print('\t### [EXIST]')
			
		except:
			print('\t\t### Error:0x3')
			sleep(1)
		
print('\n### Done.')
复制代码