爬虫实例—— 爬取高清4K图片

Posted 2023-02-13 Enovo_飞鱼

大家好，我是 Enovo飞鱼，今天继续分享一个爬虫案例，爬取高清4K图片，加油💪。

目录

前言

增加异常处理

增加代码灵活性

基本环境配置

爬取目标网站

分析网站页面

具体代码实现

图片下载示例

感谢支持🙇‍+👍

---

前言

上篇内容，我们已经了解并惊叹于5行Python代码的强大，今天我们会继续挖掘，并且在原有的基础上进行不断地完善

我们将考虑到多方面的内容，例如，增加异常处理，增加代码灵活性，加快爬取速度……

• 增加异常处理

由于爬取上百页的网页，中途很可能由于各种问题导致爬取失败，所以增加了 try except 、if else 等语句，来处理可能出现的异常，让代码更健壮。

• 增加代码灵活性

初版代码由于固定了 URL 参数，所以只能爬取固定的内容，但是人的想法是多变的，一会儿想爬这个一会儿可能又需要那个，所以可以通过修改 URL 请求参数，来增加代码灵活性，从而爬取更灵活的数据。

---

基本环境配置

• 版本：Python3

• 系统：Windows

• 相关模块：requests，lxml

• 开发工具：Pycharm

在这里我使用的是 anaconda ，众所周知这是一个大软件，但是它的环境是比较全面的，在之前的学习中，我们用的是这个软件。

anconda，可以理解成运输车，每当下载anconda的时候，里面不仅包含了python，还有180多个库（武器）一同被打包下载下来

下载完anconda之后，再也不用一个个下载那些库了。

---

爬取目标网站

 

---

分析网站页面

有一说一是真的多，看这惊人的页数 

接下来就该看看怎么拿到表情包图片的 url 了，首先打开谷歌浏览器，然后点 F12 进入爬虫快乐模式

然后完成下图的操作，先点击1号箭头，然后再选中一个表情包即可，红色框中就是我们要爬取的对象，其中表情包的src就在里面

 如下图：

现在我们就搞清楚了怎么拿到表情包的url了，下一步我们复制 Xpath ，

不了解Xpath的小伙伴们可以去学习一下，也是非常好用的在 XML 文档中查找信息的语言。

如下图， 

至此，我们可以写代码了！！！

---

具体代码实现

 相关代码：

import requests
from lxml import etree

headers = 
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:94.0) Gecko/20100101 Firefox/94.0'

x = input('输入页数： ')
for page in range(1, int(x)):
    if page == 1:
        url = 'https://pic.netbian.com/4kyingshi/'
    else:
        url = 'https://pic.netbian.com/4kyingshi/index_' + str(page) + '.html'
    response = requests.get(url=url, headers=headers)
    response.encoding = 'gbk'  # 或者gb2312
    page_text = response.text
    tree = etree.HTML(page_text)
    # 以下三种均可
    # li_list = tree.xpath('//div[@id="main"]/div[3]/ul/li[1]/a/img')
    #li_list = tree.xpath('//div[@class="slist"]/ul/li')
    li_list = tree.xpath('//div[@id="main"]/div[@class="slist"]/ul/li')
    for li in li_list:
        img_src = 'https://pic.netbian.com/' + li.xpath('./a/img/@src')[0]
        img_name = li.xpath('./a/b/text()')[0] + '.jpg'
        img = requests.get(url=img_src, headers=headers).content
        with open('./wwww/' + img_name, 'wb') as fp:
            fp.write(img)
            print(img_name + '保存')

# //*[@id="main"]/div[3]/ul/li[1]/a
# copy xpath

到现在为止，已经拿到了所有的图片的链接和名字，那么就可以开始下载了

运行代码，输入你需要下载的页数即可🐒

---

图片下载示例

总共是爬了两页图片，做个示例

见下图 ↓

---

感谢支持🙇‍+👍