爬虫爬取博客园自己or他人发布文章代码

import requests
from bs4 import BeautifulSoup
import os


class mzitu():

    def __init__(self):
        self.headers = {
            ‘User-Agent‘: "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24"}

    def all_url(self, url):
        html = self.request(url)  # #调用request函数把套图地址传进去会返回给我们一个response
        all_a = BeautifulSoup(html.text, ‘html.parser‘).find(‘div‘, class_=‘all‘).find_all(‘a‘)
        # 页面更改 多了一个早期图片 需要删掉（小伙伴们 可以自己尝试处理一下这个页面）
        all_a.pop(0)
        # 上面是删掉列表的第一个元素
        for a in all_a:
            title = a.get_text()
            print(u‘开始保存：‘, title)  # #加点提示不然太枯燥了
            path = str(title).replace("?", ‘_‘)  # #我注意到有个标题带有 ？  这个符号Windows系统是不能创建文件夹的所以要替换掉
            self.mkdir(path)  # #调用mkdir函数创建文件夹！这儿path代表的是标题title哦！！！！！不要糊涂了哦！
            href = a[‘href‘]
            self.html(href)  # #调用html函数把href参数传递过去！href是啥还记的吧？ 就是套图的地址哦！！不要迷糊了哦！

    def html(self, href):  # #这个函数是处理套图地址获得图片的页面地址
        html = self.request(href)
        self.headers[‘referer‘] = href
        max_span = BeautifulSoup(html.text, ‘html.parser‘).find(‘div‘, class_=‘pagenavi‘).find_all(‘span‘)[-2].get_text()
        for page in range(1, int(max_span) + 1):
            page_url = href + ‘/‘ + str(page)
            self.img(page_url)  # #调用img函数

    def img(self, page_url):  # #这个函数处理图片页面地址获得图片的实际地址
        img_html = self.request(page_url)
        img_url = BeautifulSoup(img_html.text, ‘html.parser‘).find(‘div‘, class_=‘main-image‘).find(‘img‘)[‘src‘]
        self.save(img_url)

    def save(self, img_url):  # #这个函数保存图片
        name = img_url[-9:-4]
        img = self.request(img_url)
        f = open(name + ‘.jpg‘, ‘ab‘)
        f.write(img.content)
        f.close()

    def mkdir(self, path):  # #这个函数创建文件夹
        path = path.strip()
        isExists = os.path.exists(os.path.join("D:\mzitu", path))
        if not isExists:
            print(u‘建了一个名字叫做‘, path, u‘的文件夹！‘)
            os.makedirs(os.path.join("D:\mzitu", path))
            os.chdir(os.path.join("D:\mzitu", path))  # #切换到目录
            return True
        else:
            print(u‘名字叫做‘, path, u‘的文件夹已经存在了！‘)
            return False

    def request(self, url):  # # 这个函数获取网页的response 然后返回
        content = requests.get(url, headers=self.headers)
        return content


Mzitu = mzitu()  # #实例化
Mzitu.all_url(‘http://www.mzitu.com/all‘)  # # 给函数all_url传入参数  你可以当作启动爬虫（就是入口）