python获得网站错误命名图片

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

#author:liangliang
#email:liangliangyy@gmail.com
#blog:http://www.lylinux.org/
import urllib2
from bs4 import BeautifulSoup
import re
import sys
reload(sys)
sys.setdefaultencoding('utf-8')

baseurl = "http://www.lylinux.org/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'http://www.lylinux.org/\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。

发表评论

电子邮件地址不会被公开。 必填项已用*标注