首页 > 编程 > Python > 正文

python采集博客中上传的QQ截图文件

2019-11-25 18:19:12
字体:
来源:转载
供稿:网友

哎,以前写博文的时候没注意,有些图片用QQ来截取,获得的图片文件名都是类似于QQ截图20120926174732-300×15.png的形式,昨天用ftp备份网站文件的时候发现,中文名在flashfxp里面显示的是乱码的,看起来好难受,所以写了一个python小脚本,爬取整个网站,然后获取每个文章页面的图片名,并判断如果是类似于QQ截图20120926174732-300×15.png的形式就输出并将该图片地址和对应的文章地址保存在文件中,然后通过该文件来逐个修改。

好了,下面是程序代码:

import urllib2from bs4 import BeautifulSoupimport reimport sysreload(sys)sys.setdefaultencoding('utf-8') baseurl = "//www.VeVB.COm/dont-worry.html"#说明下,起始地址是第一篇文章的地址,通过该文章的页面就#可以使用BeautifulSoup模块来获取上一篇文章的地址 file = open(r"E:/123.txt","a") def pageloop(url):  page = urllib2.urlopen(url)  soup = BeautifulSoup(page)  img = soup.findAll(['img'])  if img == []:    print "当前页面没有图片"    return  else:    for myimg in img:      link = myimg.get('src')      print link            pattern = re.compile(r'QQ/S*[0-9]*png')      badimg = pattern.findall(str(link))      if badimg:        print url        file.write(link + "/n")        file.write(url+"/n")        def getthenextpage(url):  pageloop(url)  page = urllib2.urlopen(url)  soup = BeautifulSoup(page)  for spanclass in soup.findAll(attrs={"class" : "article-nav-prev"}):    #print spanclass    if spanclass.find('article-nav-prev') != -1:      pattern = re.compile(r'//www.VeVB.COm//S*html')      pageurl = pattern.findall(str(spanclass))      for i in pageurl:        #print i        getthenextpage(i)              getthenextpage(baseurl)   print "the end!"file.close()

最后,对和我以前刚开始做网站的同学说下,图片命名的话最好是用数字形式或者是英文、拼音的形式,要不然到最后想修改的话就麻烦了,所以最好就是从刚开始就养成好的习惯,用正确的命名规范来问文章、图片来命名,这样就会好很多。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表