春天到了,春光明媚,鸟语花香,各地都回温了!公园里面的花都开了,这几天都没有心情工作,准备周末出去游山玩水,踏踏青!先用Python爬取一波妹子图,摸摸鱼吧。
导入模块
首先把用到的模块贴进来。
import requests
from bs4 import Beautiful Soup
import time
import random
抓取
煎蛋网的抓取流程:从第 101 页开始抓取,提取页面上的女装图片 url,请求 url 后保存图片,点击下一页,重复循环...。
当访问煎蛋网的http://jandan.net/girl页面的时候,它是显示的最后一页。通过上面的分页控件获取下一页的 url。
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36'
}
defget_html(url):
resp = requests.get(url = url, headers = headers)
soup = BeautifulSoup(resp.text)
returnsoup
defget_next_page(soup):
next_page = soup.find(class_='previous-comment-page')
next_page_href = next_page.get('href')
returnf'http:{next_page_href}'
可以看到每个图片上都有[查看原图]的超链接,提取这个 href 就是可以下载图片了。
defget_img_url(soup):
a_list = soup.find_all(class_ ='view_img_link')
urls = []
foraina_list:
href ='http:'+ a.get('href')
urls.append(href)
returnurls
保存图片就更简单了,request 请求后直接写入文件。
defsave_image(urls):
foriteminurls:
name = item.split('/')[-1]
resp = requests.get(url=item, headers = headers)
withopen('D:/xxoo/'+ name,'wb')asf:
f.write(resp.content)
time.sleep(random.randint(2,5))
最后来看一下抓取结果吧。
总结
这篇 request 爬虫适合刚入 python 和没学过 soup 模块的小伙伴。有兴趣的小伙伴,可以动手敲一下代码。看百遍,读千边,不如动手敲一边。学习Python一定要动手操作,实战才行。