python采集博客中上传的QQ截图文件
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：
importurllib2
frombs4importBeautifulSoup
importre
importsys
reload(sys)
sys.setdefaultencoding('utf-8')
baseurl="https://www.nhooo.com/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")
defpageloop(url):
page=urllib2.urlopen(url)
soup=BeautifulSoup(page)
img=soup.findAll(['img'])
ifimg==[]:
print"当前页面没有图片"
return
else:
formyimginimg:
link=myimg.get('src')
printlink
pattern=re.compile(r'QQ\S*[0-9]*png')
badimg=pattern.findall(str(link))
ifbadimg:
printurl
file.write(link+"\n")
file.write(url+"\n")
defgetthenextpage(url):
pageloop(url)
page=urllib2.urlopen(url)
soup=BeautifulSoup(page)
forspanclassinsoup.findAll(attrs={"class":"article-nav-prev"}):
#printspanclass
ifspanclass.find('article-nav-prev')!=-1:
pattern=re.compile(r'https://www.nhooo.com/\S*html')
pageurl=pattern.findall(str(spanclass))
foriinpageurl:
#printi
getthenextpage(i)
getthenextpage(baseurl)
print"theend!"
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。