python采集博客中上传的QQ截图文件

 更新时间:2014年07月18日 09:06:21   投稿:junjie  
这篇文章主要介绍了python采集博客中上传的QQ截图文件,因为文件名包含中文会在某些时候乱码,例如这件的文件名QQ截图20120926174732,所以需要采集出来修改掉,需要的朋友可以参考下

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。

相关文章

  • 利用Python实现问卷星自动填写的超详细教程

    利用Python实现问卷星自动填写的超详细教程

    问卷星已经成为收集问卷的一个很重要的工具,有时可以用来报名参加活动,有时可以用来收集某些领域相关的情况,下面这篇文章主要给大家介绍了关于利用Python实现问卷星自动填写的超详细教程,需要的朋友可以参考下
    2023-06-06
  • pytest实现测试用例参数化

    pytest实现测试用例参数化

    这篇文章主要介绍了pytest实现测试用例参数化,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-04-04
  • 对python遍历文件夹中的所有jpg文件的实例详解

    对python遍历文件夹中的所有jpg文件的实例详解

    今天小编就为大家分享一篇对python遍历文件夹中的所有jpg文件的实例详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-12-12
  • Python文件打开方式实例详解【a、a+、r+、w+区别】

    Python文件打开方式实例详解【a、a+、r+、w+区别】

    这篇文章主要介绍了Python文件打开方式,结合实例形式详细分析了Python文件打开函数的使用及a、a+、r+、w+等属性功能、使用区别与相关操作注意事项,需要的朋友可以参考下
    2019-03-03
  • Python操作Sonqube API获取检测结果并打印过程解析

    Python操作Sonqube API获取检测结果并打印过程解析

    这篇文章主要介绍了Python操作Sonqube API获取检测结果并打印过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-11-11
  • PyQt5简单读取以及显示图片的应用实例

    PyQt5简单读取以及显示图片的应用实例

    我们在进行图像处理时,经常会用到读取图片并显示出来这样的操作,下面这篇文章主要给大家介绍了关于PyQt5简单读取以及显示图片应用的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
    2023-05-05
  • Python入门教程3. 列表基本操作【定义、运算、常用函数】

    Python入门教程3. 列表基本操作【定义、运算、常用函数】

    这篇文章主要介绍了Python列表基本操作,结合实例形式总结分析了Python针对列表的基本定义、判断、运算及各种常用函数与相关使用技巧,需要的朋友可以参考下
    2018-10-10
  • 对python中Json与object转化的方法详解

    对python中Json与object转化的方法详解

    今天小编就为大家分享一篇对python中Json与object转化的方法详解,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-12-12
  • Python爬虫爬取美剧网站的实现代码

    Python爬虫爬取美剧网站的实现代码

    一直在学习Python爬虫,所以今天就心血来潮来写了个爬虫,抓取该网站上所有美剧链接,并保存在文本文档中,想要哪部剧就直接打开复制链接到迅雷就可以下载啦
    2016-09-09
  • Java ExcutorService优雅关闭方式解析

    Java ExcutorService优雅关闭方式解析

    这篇文章主要介绍了Java ExcutorService优雅关闭方式解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-05-05

最新评论