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

  • python 使用事件对象asyncio.Event来同步协程的操作

    python 使用事件对象asyncio.Event来同步协程的操作

    这篇文章主要介绍了python 使用事件对象asyncio.Event来同步协程的操作,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
    2020-05-05
  • python3读取csv和xlsx文件的实例

    python3读取csv和xlsx文件的实例

    今天小编就为大家分享一篇python3读取csv和xlsx文件的实例,具有很好的参考价值,希望对的大家有所帮助。一起跟随小编过来看看吧
    2018-06-06
  • Python中sys.stdout方法的语法示例详解

    Python中sys.stdout方法的语法示例详解

    Python中sys 模块中的一个方法是stdout ,它使用其参数直接显示在控制台窗口上,print() 方法,它有相同的行为,首先转换为sys.stdout() 方法,然后在控制台显示结果,本文给大家介绍Python sys.stdout方法的语法,感兴趣的朋友一起看看吧
    2023-09-09
  • python DataFrame中loc与iloc取数据的基本方法实例

    python DataFrame中loc与iloc取数据的基本方法实例

    这篇文章主要给大家介绍了关于python DataFrame中loc与iloc取数据的基本方法,文中通过实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
    2022-02-02
  • python实操案例练习(八)

    python实操案例练习(八)

    这篇文章主要介绍了python实操案例练习,本篇文章主要分享的案例内容有记录用户登录日志、模拟淘宝客服自动回复,下面详细的内容,需要的小伙伴可以参考一下。希望对你有所帮助
    2022-02-02
  • Python 闭包,函数分隔作用域,nonlocal声明非局部变量操作示例

    Python 闭包,函数分隔作用域,nonlocal声明非局部变量操作示例

    这篇文章主要介绍了Python 闭包,函数分隔作用域,nonlocal声明非局部变量操作,结合实例形式分析了Python闭包及闭包中的变量声明相关操作技巧,需要的朋友可以参考下
    2019-10-10
  • python mysql项目实战及框架搭建过程

    python mysql项目实战及框架搭建过程

    本文给大家分享python mysql项目实战框架搭建过程,通过实例代码给大家讲解python mysql项目实战的相关知识,需要的朋友参考下吧
    2021-06-06
  • python爬虫http代理使用方法

    python爬虫http代理使用方法

    在本篇文章里小编给大家整理的是一篇关于python爬虫http代理使用方法相关内容,有需要的朋友们可以跟着学习参考下。
    2021-09-09
  • 在pycharm下设置自己的个性模版方法

    在pycharm下设置自己的个性模版方法

    今天小编就为大家分享一篇在pycharm下设置自己的个性模版方法,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
    2019-07-07
  • 浅谈在JupyterNotebook下导入自己的模块的问题

    浅谈在JupyterNotebook下导入自己的模块的问题

    这篇文章主要介绍了浅谈在JupyterNotebook下导入自己的模块的问题,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
    2020-04-04

最新评论