由于最新的视频整顿风波，内涵段子APP被迫关闭，广大段友无家可归，但是最近发现了一个“段友”的app，版本更新也挺快，正在号召广大段友回家，如下图，有兴趣的可以下载看看（ps：我不是打广告的，没收广告费的） 
同时，之前同事也发了一个贴吧的段子聚居地，客官稍等，马上奉上连接：
然后呢，看到上面，确实好多段友在上面，于是乎，我就想爬取他们的图片和小视频，就有了这篇文章的主题：
其实吧，用Python爬取网站数据是最基础的东西，也不难，但是我还想分享给大家，一起学习和交流。
爬取这些网站里的数据主要用的模块是bs4、requests以及os，都是常用模块
大概思路就是通过requests模块请求网页html数据，然后通过bs4模块下的BeautifulSoup分析请求的网页，然后通过css查找器查找内涵段子的图片以及小视频的地址，主要实现代码如下：
def download_file(web_url): """获取资源的url""" # 下载网页 print('正在下载网页： %s...' % web_url) result = requests.get(web_url) soup = bs4.BeautifulSoup(result.text, "html.parser") # 查找图片资源 img_list = soup.select('.vpic_wrap img') if img_list == []: print('未发现图片资源！') else: # 找到资源，开始写入 for img_info in img_list: file_url = img_info.get('bpic') write_file(file_url, 1) # 查找视频资源 video_list = soup.select('.threadlist_video a') if video_list == []: print('未发现视频资源！') else: # 找到资源，开始写入 for video_info in video_list: file_url = video_info.get('data-video') write_file(file_url, 2) print('下载资源结束：', web_url) next_link = soup.select('#frs_list_pager .next') if next_link == []: print('下载资料结束！') else: url = next_link[0].get('href') download_file('https:' + url)学习Python+ 725479218 得到图片以及视频的地址之后，肯定还不够，还得把这些资源写入到本地，方式是通过二进制的方式来读取远程文件资源，然后分类写入到本地，实现的主要代码如下：
def write_file(file_url, file_type): """写入文件""" res = requests.get(file_url) res.raise_for_status() # 文件类型分文件夹写入 if file_type == 1: file_folder = 'nhdz\\jpg' elif file_type == 2: file_folder = 'nhdz\\mp4' else: file_folder = 'nhdz\\other' folder = os.path.exists(file_folder) # 文件夹不存在，则创建文件夹 if not folder: os.makedirs(file_folder) # 打开文件资源，并写入 file_name = os.path.basename(file_url) str_index = file_name.find('?') if str_index > 0: file_name = file_name[:str_index] file_path = os.path.join(file_folder, file_name) print('正在写入资源文件：', file_path) image_file = open(file_path, 'wb') for chunk in res.iter_content(100000): image_file.write(chunk) image_file.close() print('写入完成！')学习Python+ 725479218 最后，再奉上完整的代码吧。要不然，会被人说的，说话说一半，说福利，也不给全，这就太不够意思了。客官别急，马上奉上……
#!/usr/bin/env python# -*- coding: utf-8 -*-"""爬取百度贴吧，段友之家的图片和视频author: cuizytime：2018-05-19"""import requestsimport bs4import osdef write_file(file_url, file_type): """写入文件""" res = requests.get(file_url) res.raise_for_status() # 文件类型分文件夹写入 if file_type == 1: file_folder = 'nhdz\\jpg' elif file_type == 2: file_folder = 'nhdz\\mp4' else: file_folder = 'nhdz\\other' folder = os.path.exists(file_folder) # 文件夹不存在，则创建文件夹 if not folder: os.makedirs(file_folder) # 打开文件资源，并写入 file_name = os.path.basename(file_url) str_index = file_name.find('?') if str_index > 0: file_name = file_name[:str_index] file_path = os.path.join(file_folder, file_name) print('正在写入资源文件：', file_path) image_file = open(file_path, 'wb') for chunk in res.iter_content(100000): image_file.write(chunk) image_file.close() print('写入完成！')学习Python+ 725479218def download_file(web_url): """获取资源的url""" # 下载网页 print('正在下载网页： %s...' % web_url) result = requests.get(web_url) soup = bs4.BeautifulSoup(result.text, "html.parser") # 查找图片资源 img_list = soup.select('.vpic_wrap img') if img_list == []: print('未发现图片资源！') else: # 找到资源，开始写入 for img_info in img_list: file_url = img_info.get('bpic') write_file(file_url, 1) # 查找视频资源 video_list = soup.select('.threadlist_video a') if video_list == []: print('未发现视频资源！') else: # 找到资源，开始写入 for video_info in video_list: file_url = video_info.get('data-video') write_file(file_url, 2) print('下载资源结束：', web_url) next_link = soup.select('#frs_list_pager .next') if next_link == []: print('下载资料结束！') else: url = next_link[0].get('href') download_file('https:' + url)# 主程序入口if __name__ == '__main__': web_url = 'https://tieba.baidu.com/f?ie=utf-8&kw=段友之家' download_file(web_url)