为了防止这个网站消失，我连夜用Python离线了上万张图片

Posted 2022-06-01 嗨学编程

文章目录

• 吐槽一下
• 事前准备
• • 1、环境配置**
  • 2、模块使用
  • 3、如何配置pycharm里面的python解释器?
  • 4、pycharm如何安装插件?
  • 5、基本流程
• 代码解析
• • 1、模块导入
  • 2、发送请求
  • 3、获取数据
  • 4、解析数据
  • 5、保存数据

吐槽一下

之前好多高质量网站都不见了，肯定是你们整活整多了，趁你们不注意，我先悄悄多保存点~

事前准备

让我们开始今天的操作

1、环境配置**

安装一个Python和pycharm就好了，没有的话，我放在文末。

2、模块使用

requests    # 数据请求
parsel   # 解析模块 (提取数据)

这两个模块没有安装的话，先安装一下，win+R 输入cmd 按回车弹出命令提示符窗口，输入 pip install 加上模块名即可 ， 如：pip install requests 然后按回车即可安装成功，详细教程见置顶文章，我有详细介绍。

3、如何配置pycharm里面的python解释器?

1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
2. 点击齿轮, 选择add
3. 添加python安装路径

4、pycharm如何安装插件?

1. 选择file(文件) >>> setting(设置) >>> Plugins(插件)
2. 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese
3. 选择相应的插件点击 install(安装) 即可；
4. 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效；

5、基本流程

基本上所有的爬虫都是这个步骤

一. 数据来源分析

1. 抓取网站是什么？想要获取网站什么样数据内容？比如爬取图片，从一张图片去分析，通过开发者工具进行抓包分析, 对比我们想要图片url地址一些参数；

二. 代码实现步骤:

1. 发送请求, 对于分析得到url地址发送请求；
   请求网址
   请求方式
   请求头参数 >>> 伪装 可以把python代码伪装成浏览器(客户端)发送请求；
   如果不进行伪装会有什么后果 >>> 不会给你返回你想要数据；
   2. 获取数据，获取response服务器返回响应数据；
   3. 解析数据，提取我们想要数据内容，图片url地址以及图片标题；
   4. 保存数据，把图片数据保存到本地；

代码解析

开始展示代码吧，不然大家想打我了~

1、模块导入

首先把我们需要用的模块导入进去，导入数据请求模块和数据解析模块，导入模块没有使用, 灰色待机状态。

import requests  
import parsel  

2、发送请求

headers 请求头参数, 可以开发者工具里面直接进行复制, 其次headers字典数据类型, 键值对；
user-agent: 用户代理 表示浏览器基本身份标识；
cookie: 用户信息, 检测用户是否有登陆账号；

for page in range(2, 11):
    url = f'因为地址敏感我放在评论区置顶了/woman/page.html'
    headers = 
        'cookie': 't=f2cf055ce8713058cbfdbd1561c38e86; r=1281; Hm_lvt_86200d30c9967d7eda64933a74748bac=1645625923,1646892448; Hm_lpvt_86200d30c9967d7eda64933a74748bac=1646894465',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36'
    
    response = requests.get(url=url, headers=headers)   #  <Response [200]> 返回响应对象 200状态码标识请求成功

3、获取数据

获取服务器返回数据内容, 获取响应对象文本数据/字符串数据。

返回数据内容和我们在开发者工具里面看到不一样，说明你被服务器识别出来是你爬虫程序，所以他没有给你返回数据。

print(response.text)

4、解析数据

css选择器 xpath re 三种解析方式都可以去用选择最适合；
css选择器: 根据标签属性提取数据内容；
对于获取response.text 进行数据类型转换 转成 selector 对象
attr() 属性选择器 .egeli_pic_li .egeli_pic_dl dd a img 都是定位标签, 告诉它是哪一个标签
img::attr(src) 取img标签里面的src属性数据
getall() 获取所有标签内容数据 返回列表数据类型

 selector = parsel.Selector(response.text)
 src = selector.css('.egeli_pic_li .egeli_pic_dl dd a img::attr(src)').getall()
 alt = selector.css('.egeli_pic_li .egeli_pic_dl dd a img::attr(alt)').getall()
 for img_url, title in zip(src, alt):
     img_url = img_url.replace('edpic_360_360', 'edpic_source')

5、保存数据

img_content = requests.get(url=img_url, headers=headers).content  # 获取二进制数据内容
with open('img\\\\' + title + '.jpg', mode='wb') as f:
    f.write(img_content)
print(img_url, title)

好了，代码就到这里结束了，采集结果我也不知不觉给大家展示在文中了，大家细细品味~

兄弟们，敲代码要勤快，永远不要用战术上的勤奋，来掩饰战略上的懒惰。

记得点赞收藏~