python爬煎蛋妹子图--20多行代码搞定煎蛋妹子图库

如果说一个人够无聊的话。。。

就会做一些十分美(wei)丽(suo)的事情啦哈哈哈。。。

好的，话不多说，进入正题。

正如标题所示，我们今天的目标很简单：

代码要少，妹子要好。

步骤如下：

1. 首先我们得确定需要用到的库：

就requests吧，我们首先尝试向煎蛋（http://jiandan.net/ooxx）发起get请求

（当然心里希望不需要加头部信息巴拉巴拉一堆东西。。。）

 import request

 url = 'http://jandan.net/ooxx'

 r = request.get(url)

 print r.status_code,r.content

看见200我就很高兴，输出页面也很正常

没想到还一步到位了，不需要做任何多余工作

（内心表示疑惑，煎蛋没有防爬机制吗？给面子！）

2. 接下来就要分析html：

其实目的就是img嘛，我发现结构很简单，正则表达式这么写就行了：

 pic_url = re.findall('<img src="//(.*?)" /></p>',r.content)

（可以print试试，发现并没有多余的图片）

3. 接下来就是分析页码：

我发现页码也没做什么特别的处理，完全是url提交页码信息

于是只要写一个循环满足这个url就行了：

 for i in range(,):

2     url = 'http://jandan.net/ooxx/page-'+str(i)+'#comments'

（一共230页，应该是删过了。。。）

4. 接着就把抓图片url做一个函数，然后进行多线程处理即可：

　　完整代码：

 #coding=utf-

 import requests

 import re

 import thread

 import time

 def get_pic_url(url):

     r = requests.get(url)

     pic_url = re.findall('<img src="//(.*?)" /></p>',r.content)

     for i in pic_url:

         print i

 def main():

     for i in range(,):

         url = 'http://jandan.net/ooxx/page-'+str(i)+'#comments'

         thread.start_new_thread(get_pic_url,(url,))

         time.sleep(0.1)

         #一定要加上time.sleep()不然不能成功运行！！！！！！

 if __name__ == '__main__':

     main()

在thread处理多线程的时候，循环内一定要加上time.sleep()，不然会很惨，比如停止工作巴拉巴拉。。。

好啦，这样我们就轻松获得所有妹子图片url，一共五千张不到，咱就不再urllib下载了，估计也有个几个g

能这么少代码解决也是拖了煎蛋良好的给你爬机制的福，爽！20行代码！