Python3爬取Wallhaven.cc图片

# -*- coding: utf-8 -*-
#wallhaven爬取
import os
from urllib.parse import urlencode
import time
from requests import codes
import random
import requests
from lxml import etree

#定义创建文件路径函数，将下载的文件存储到该路径
def CreatePath(filepath):
    if not os.path.exists(filepath):
            os.makedirs(filepath)

#定义获取url函数，这里是通过urlencode方法把url的各个部分拼接起来的，拼接起来的url
#像是这样的：https://wallhaven.cc/search?q=girls&categories=111&purity=110&sorting=toplist&order=desc        
def GetUrl(keyword,category):
    params = {
        ‘q‘: keyword,
        ‘categories‘: category,
        ‘purity‘: ‘110‘,#100\010\110
        ‘sorting‘: ‘favorites‘, #relevance\random\date_added\views\favorites\toplist\toplist-beta
        ‘topRange‘:‘1y‘, #1y\6M\3M\1w\3d\1d
        ‘order‘:‘desc‘
    }
    base_url=‘https://wallhaven.cc/search?‘
    url=base_url + urlencode(params)
    print(url)
    return url

#获取查找到的图片数
def GetPictureNum(url):
    allpic=" "
    try:
        html = requests.get(url) 
        if codes.ok == html.status_code:
            selector = etree.HTML(html.text) 
            pageInfo = selector.xpath(‘//header[@class="listing-header"]/h1[1]/text()‘)#提取出文本
            string = str(pageInfo[0])#图片数是文本中的第一个
            numlist = list(filter(str.isdigit,string))  #有些数字是这样的，11,123,所以需要整理。
            for item in numlist:
                allpic+=item
            totalPicNum=int(allpic)  #把拼接起来的字符串进行整数化
            return totalPicNum
    except requests.ConnectionError:
        return None
        
#获取图片链接
def GetLinks(url,number):
    urls=url+‘&page=‘+str(number)
    try:
        html=requests.get(urls)
        selector=etree.HTML(html.text)
        PicLink=selector.xpath(‘//a[@class="preview"]/@href‘)#这里寻找图片的链接地址，以求得到图片编号
    except Exception as e:
        print(‘Error‘,e.args)
    return PicLink    
    
#下载函数    
def Download(filepath,keyword,url,count,headers):#其中count是你要下载的图片数
#此函数用于图片下载。其中参数url是形如：https://wallhaven.cc/w/eyyoj8 的网址
#因为wallheaven上只有两种格式的图片，分别是png和jpg，所以设置两种最终地址HtmlJpg和HtmlPng，通过status_code来进行判断，状态码为200时请求成功。
    string=url.replace(‘https://wallhaven.cc/w/‘,‘‘) #python3 replace
    #print(string)
    HtmlJpg=‘https://w.wallhaven.cc/full/‘+ string[0:2] +‘/wallhaven-‘ + string +‘.jpg‘
    HtmlPng=‘https://w.wallhaven.cc/full/‘+ string[0:2] +‘/wallhaven-‘ + string +‘.png‘
    
    try:
        pic=requests.get(HtmlJpg,headers=headers)
        if codes.ok==pic.status_code:
            pic_path=filepath+‘wallhaven-‘+string+‘.jpg‘           
        else:
            pic=requests.get(HtmlPng,headers=headers)
            if codes.ok==pic.status_code:
                pic_path=filepath+‘wallhaven-‘+string+‘.png‘
            else:
                print("Downloaded error:",string)
                return
        with open(pic_path,‘wb‘) as f:
            f.write(pic.content)
            f.close()
        print("Downloaded image:",string)
        time.sleep(random.uniform(0,3))#这里是让爬虫在下载完一张图片后休息一下，防被侦查到是爬虫从而引发反爬虫机制。
            
    except Exception as e:
        print(repr(e))    
        
#主函数
def main():
    headers = {
        "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_5)        AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36",#请求头，这个可以通过查看你自己的浏览器得到。
        }
    filepath = (‘/wallpaper/Pictures/‘)#存储路径。
    keyword=input(‘请输入关键词:‘)
    category=input(‘请输入图片分类，共有三种，分别为Gneral,Anime,People三种                   ，如果你想要只想选择Anime，就键入010,如果全选就键入111,以此类推:‘)
    CreatePath(filepath) #创建保存路径
    url=GetUrl(keyword,category)   #获取url
    
    PicNum=GetPictureNum(url)#总图片数
    pageNum=int(PicNum/24+1)  #求出总页面数
    print("We found:{} images.".format(PicNum))

    j=1
    Arr = input("请输入你想要爬的图片数，不能超过已找到的图片数:【若要设定其实页码用|分割，如：50|10(即从第10页开始，取50个)】").split(‘|‘)
    Num = int(Arr[0])
    pageStart=0
    if(len(Arr) == 2):
        pageStart = int(Arr[1])

    for i in range(pageStart,pageNum):
        PicUrl=GetLinks(url,i+1)
        for item in PicUrl:
            #print(item)
            Download(filepath,keyword,item,j,headers)
            j+=1
            if(j>Num):#如果你下载的图片够用了，那就直接退出循环，结束程序。
                return

if __name__ == ‘__main__‘:
    main()