python遇上COS美图怎么办？当然是大胆冲呀~

Posted 2022-10-25 魔王不会哭

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了python遇上COS美图怎么办？当然是大胆冲呀~相关的知识，希望对你有一定的参考价值。

前言

嗨喽~大家好呀，这里是魔王呐 !

在这炎热得夏天~

我不由得想要东西来放松一下~

于是，我采集起了小姐姐COS图~

开发环境:

Python 3.8
Pycharm

模块使用:

第三方模块需要安装在cmd里面进行 pip install requests / parsel

requests
parsel

如何安装python第三方模块:

win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
在pycharm中点击Terminal(终端) 输入安装命令

实现基本思路:

一. 数据来源分析:

1、分析这些图片url地址在哪?

开发者工具抓包分析, 分析图片链接在什么地方

I. F12 打开开发者工具 --> 刷新网页 <让本网页数据内容重新加载一遍>

II. 通过 Img 可以找图片url地址

-------------------分析图片url地址可以从哪里获得-----------------------

III. 通过图片链接参数去搜索数据从哪里来的

获取所有图集 —> 获取所有图集详情页url --> 目录页面发送请求

二. 代码实现步骤

发送请求, 对于图集目录页发送请求
获取数据, 获取服务器返回响应数据
解析数据, 提取我们想要图集详情页url地址
发送请求, 对于图集详情页url地址发送请求
获取数据, 获取服务器返回响应数据
解析数据, 提取图片url地址以及标题
保存数据, 把图片内容保存本地文件夹

代码

获取源码链接点击

# 导入数据请求模块  --> 第三方模块 需要 在cmd里面 pip install requests
import requests
# 导入数据解析模块  --> 第三方模块 需要 在cmd里面 pip install parsel
import parsel
# 导入正则模块 --> 内置模块 不需要安装
import re
# 导入文件操作模块 --> 内置模块 不需要安装
import os.path

# 构建翻页
for page in range(2, 450):
    # format 字符串格式化方法
    print(f'正在采集第page页的数据内容')
    # 确定请求url地址  <目录页>

伪装请求头防止被反爬

    headers = 
        # 浏览器基本身份信息
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/101.0.0.0 Safari/537.36'

发送请求

通过requests模块里面get请求方法, 对于url地址发送请求, 并且携带上headers请求头伪装, 最后用自定义变量response接受返回数据

    response = requests.get(url=url, headers=headers)
    # <Response [200]>  表示请求成功了 响应对象
    print(response)

获取数据, 获取服务器返回响应数据 print(response.text)

解析数据, 提取我们想要图集详情页url地址

推荐使用 parsel

获取 response.text —> 返回html字符串数据内容
css选择器根据标签属性内容, 提取数据

转换数据转成可以解析对象 <Selector xpath=None data='<html>\\r\\n<head>\\r\\n <meta charset="ut...'>

    selector = parsel.Selector(response.text)

使用css选择器提取数据 .pics ul li .tits css语法定位标签/元素 getall 获取所有

    href = selector.css('.pics ul li .tits::attr(href)').getall()

for循环遍历提取列表元素

    for index in href:

发送请求

对于图集详情页url地址发送请求 5. 获取数据, 获取服务器返回响应数据

        index_data = requests.get(url=index_url, headers=headers).text

解析数据

提取图片url地址以及标题

        index_selector = parsel.Selector(index_data)

提取图片链接

.talk_pic img 定位元素/标签 img<标签名>::attr(src) 提取属性 src <属性名>

        img_url_list = index_selector.css('.talk_pic img::attr(src)').getall()

图片标题

        title = index_selector.css('.border_bottom::text').get()

替换特殊字符

        new_title = title = re.sub(r'[\\/:*?"<>|]', '', title)

保存数据

        num = 1
        # 自动创建文件夹
        file = f'img\\\\new_title\\\\'
        # 如果没有这个文件夹
        if not os.path.exists(file):
            # 自动创建文件夹
            os.makedirs(file)
        # for循环遍历 提取列表元素
        for img_url in img_url_list:
            # 获取图片二进制数据
            img_content = requests.get(url=img_url, headers=headers).content
            # 保存图片
            with open(file + new_title + str(num) + '.jpg', mode='wb') as f:
                # 写入数据
                f.write(img_content)
                # 每次循环 +1
                num += 1
            print(title, img_url)