目錄
概述
準備
所需子產品
涉及知識點
運作效果
完成爬蟲
1. 分析網頁
2. 爬蟲代碼
概述
爬取妹子圖網的美女圖檔。
準備
所需子產品
- time
- requests
- lxml
涉及知識點
- python基礎
- requests子產品基礎
- xpath表達式基礎
運作效果
控制台列印:
電腦本地檔案:
完成爬蟲
1. 分析網頁
打開妹子圖網,按F12分析網頁
第一頁的URL是:https://www.meizitu.com/a/list_1_1.html
第二頁的URL是:https://www.meizitu.com/a/list_1_2.html
第三頁的URL是:https://www.meizitu.com/a/list_1_3.html
故分析三者可以得出:
# 第1頁:https://www.meizitu.com/a/list_1_1.html
# 第2頁:https://www.meizitu.com/a/list_1_2.html
# 第3頁:https://www.meizitu.com/a/list_1_3.html
# 故可以推斷出URL公式:url="https://www.meizitu.com/a/list_1_"+page_index+".html"
# 其中page_index指的是頁碼
擷取每一頁的URL後,接着是擷取該頁圖檔的超連結,然後通過該超連結進入具體的頁面下載下傳圖檔。
這些超連結可以通過xpath表達式進行提取。
接下來進入具體的頁面:
這标題和超連結也可以xpath表達式進行提取。
2. 爬蟲代碼
import time
import requests
from lxml import etree
# 爬蟲實戰:爬取妹子圖網的圖檔
# 第1頁:https://www.meizitu.com/a/list_1_1.html
# 第2頁:https://www.meizitu.com/a/list_1_2.html
# 第3頁:https://www.meizitu.com/a/list_1_3.html
# 故可以推斷出URL公式:url="https://www.meizitu.com/a/list_1_"+page_index+".html"
# 其中page_index指的是頁碼
page_index = 1 # 這裡隻下載下傳了第一頁相關的圖檔,如需下載下傳更多可以使用for循環
# 請求頭
header = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.81 Safari/537.36"
}
# 組裝請求的URL
url = "https://www.meizitu.com/a/list_1_" + str(page_index) + ".html"
# 發送請求,擷取響應的HTML源代碼
response = requests.get(url, headers=header).content.decode("gb2312")
# 将源碼字元串轉換成HTML對象
html = etree.HTML(response)
# 通過xpath表達式提取頁面中通往圖檔詳情頁面的超連結,傳回一個清單
image_link_all_list = html.xpath("//li[@class='wp-item']/div[@class='con']/div[@class='pic']/a/@href")
# 循環清單中的圖檔詳情頁面的超連結
for image_link in image_link_all_list:
# 擷取圖檔詳情頁面的HTML源碼
response_image_detail = requests.get(image_link).content
# 将源碼字元串轉換成HTML對象
html_image_detail = etree.HTML(response_image_detail)
# 擷取每張圖檔的下載下傳連結
image_link_detail_list = html_image_detail.xpath("//div[@id='picture']//img/@src")
# 擷取每張圖檔的标題
image_name_detail_list = html_image_detail.xpath("//div[@id='picture']//img/@alt")
# 條件判斷
if len(image_link_detail_list) == len(image_name_detail_list):
# 循環圖檔下載下傳連結
for i in range(0, len(image_name_detail_list)):
# 請求每張圖檔的資料
data = requests.get(image_link_detail_list[i]).content
# 下載下傳提示
print("正在下載下傳圖檔" + image_name_detail_list[i] + ".jpg中......")
# 将圖檔下載下傳儲存到電腦本地
with open(r"C:/Users/Administrator/Pictures/images/" + image_name_detail_list[i] + ".jpg",
"wb") as file_object:
# 寫入資料
file_object.write(data)
# 緩一緩
time.sleep(0.5)