python采集博客中上传的QQ截图文件
作者:junjie 时间:2021-03-03 16:45:25
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 urllib2
from bs4 import BeautifulSoup
import re
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
baseurl = "https://www.jb51.net/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'https://www.jb51.net/\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。
标签:python,QQ截图
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
ASP ,IP地址分段计算
2008-04-13 06:55:00
css网页下拉菜单制作方法(3):样式修饰
2007-02-03 11:39:00
Django自定义模板过滤器和标签的实现方法
2023-08-12 12:24:51
![](https://img.aspxhome.com/file/2023/0/71370_0s.jpg)
关于Python函数对象的名称空间和作用域
2023-08-15 02:00:42
简化的CSS Reset — 常用CSS重设实例
2009-03-11 16:46:00
python配置文件写入过程详解
2021-02-06 01:46:19
分析并输出Python代码依赖的库的实现代码
2022-04-05 17:07:23
IE bug: 1像素的dotted/dashed边框
2009-10-28 18:45:00
![](https://img.aspxhome.com/file/UploadPic/200910/28/dotted-1px-59s.jpg)
Python3.6笔记之将程序运行结果输出到文件的方法
2023-08-02 08:27:44
![](https://img.aspxhome.com/file/2023/9/61739_0s.jpg)
Python实现双人五子棋对局
2022-12-26 04:41:39
![](https://img.aspxhome.com/file/2023/7/65917_0s.jpg)
用CSS定义 li 样式
2007-09-28 20:56:00
javascript面向对象技术基础(二)
2010-02-07 13:09:00
[整理版]防止Access数据库被下载的9种方法
2007-08-10 09:31:00
Access报错:文件共享锁定数溢出
2009-03-21 18:32:00
Asp包含文件include动态包含方法(含变量)
2010-01-14 20:12:00
asp如何在数据库中用好Transaction?
2010-06-22 21:07:00
python框架flask知识总结
2023-07-27 20:24:53
![](https://img.aspxhome.com/file/2023/5/61445_0s.png)
交互设计模式——分页
2009-07-30 13:00:00
![](https://img.aspxhome.com/file/UploadPic/20097/30/01-47s.jpg)
PHP 用数组降低程序的时间复杂度
2023-10-08 11:38:03
![](https://img.aspxhome.com/file/2023/3/79523_0s.gif)
用Python手把手教你实现2048小游戏
2023-02-22 23:27:57
![](https://img.aspxhome.com/file/2023/8/71578_0s.png)