#!/usr/bin/env python
# -*- coding:utf-8 -*-
import urllib2
import urllib
import os
from lxml import etree
keyword = raw_input('請(qǐng)輸入要查詢的關(guān)鍵字： ')

keyword = {'kw':keyword}

kw = urllib.urlencode(keyword)

startpage = raw_input('請(qǐng)輸入開始頁數(shù)： ')

endpage = raw_input('請(qǐng)輸入結(jié)束頁數(shù)： ')

url = 'https://tieba.baidu.com/f' + '?' + kw

print('開始下載...')
# 計(jì)算下載的圖片個(gè)數(shù)，注意：變量n如放在最外層循環(huán)，可以統(tǒng)計(jì)每個(gè)分頁圖片個(gè)數(shù)
n = 0
# 獲取分頁里面帖子鏈接列表，獲取每個(gè)帖子里樓主所發(fā)的圖片鏈接列表，保存圖片
# 獲取帖子鏈接列表
for page in range(int(startpage),int(endpage)+1):
    pnumber = {'pn': str((page - 1)*50)}
    pnumber = urllib.urlencode(pnumber)
    fullurl = url + '&' + pnumber
    # 發(fā)現(xiàn)使用谷歌瀏覽器的User-Agent，會(huì)導(dǎo)致后面的xpath匹配結(jié)果有時(shí)為空。原因：服務(wù)器會(huì)對(duì)不同的瀏覽器發(fā)出的同一請(qǐng)求返回不同格式的數(shù)據(jù)，此時(shí)返回的數(shù)據(jù)和在谷歌瀏覽器里面看到的數(shù)據(jù)不同。
    # 解決辦法：使用IE瀏覽器的User-Agent，因?yàn)镮E的相對(duì)來說更標(biāo)準(zhǔn)，而且版本越老問題越少。
    headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64; Trident/7.0; rv:11.0) like Gecko"}
    request = urllib2.Request(fullurl,headers=headers)
    response = urllib2.urlopen(request)
    html = response.read()

    # 解析html 為 HTML DOM文檔
    content = etree.HTML(html)
    # xpath使用下面括號(hào)內(nèi)容進(jìn)行匹配，使用a的屬性使用了class='j_th_tit'去過濾廣告則匹配結(jié)果為空；換成a的屬性rel="noreferrer"就解決。為啥換不清楚。思路，這個(gè)屬性不行換個(gè)屬性。
    # 獲取每個(gè)分頁里面的帖子的鏈接列表
    link_list = content.xpath('//div[@class="threadlist_lz clearfix"]/div/a[@rel="noreferrer"]/@href')
    # 獲取該帖子樓主所發(fā)的圖片鏈接列表
    for link in link_list:
      link = 'https://tieba.baidu.com' + link 
      request2 = urllib2.Request(link,headers=headers)
      response2 = urllib2.urlopen(request2)
      html2 = response2.read()

      # 把html字符串解析為html dom
      content2 = etree.HTML(html2)

      # 使用xpath匹配其里面層主所發(fā)的圖片的鏈接
      link_list2 = content2.xpath('//img[@class="BDE_Image"]/@src')

      # 遍歷圖片鏈接列表，保存圖片到文件夾images內(nèi)
      for link2 in link_list2:

        request3 = urllib2.Request(link2,headers=headers)
        response3 = urllib2.urlopen(request3)
        html3 = response3.read()
        # 指定文件名
        filename = link2[-10:]
        n += 1
        print('正在保存第 %3d 張圖片'%n)

        # html3為返回的圖片內(nèi)容，把圖片寫入images2文件夾內(nèi)
        with open('images' + '/' + filename,'wb') as f:
          f.write(html3)

print('下載結(jié)束！')