Python爬虫实战：1000图库大全别轻易点进来

Posted 2021-12-08 五包辣条！

大家好，我是辣条。

今天给大家带来【爬虫实战100例】之41篇，爬虫之路永无止境。

爬取目标

网址：尺度有点大，遭不住...

效果展示

工具准备

开发工具：pycharm 开发环境：python3.7， Windows11 使用工具包：requests

项目解析思路

获取当当前网页的跳转地址，当前页面为主页面数据，我们需要的数据别有一番天地，获取到网页信息提取出所有的跳转地址，获取到源码里的a标签就行当前网页的加载方式为静态数据，直接请求网页地址；

url = 'https://www.xxxx.com/

从源代码里提取到所以的跳转地址

提取的方式可自行选择，小编这里使用正则的方式提取数据，提取详情页面的地址以及标题，用来保存图片起名字，获取到进入详情页面的地址后对地址发送请求，详情页面的数据也分为很多的页面，每个页面有好几张图片，需要对网址进行拼接，构造出新的地址信息，

    for i in range(1, int(page_num[0]) + 1):
        if i == 1:
            new_url = info_url
        else:
            new_url = info_url.replace('.html', f'_{i}.html')
        # print(new_url)
        jpg_data = requests.get(new_url, headers=headers).content.decode('gbk')

请求之后提取出所有的图片地址在对图片地址发送请求，保存数据大功告成！！

简易源码分享

import requests   
import re        
​
headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36'
}
for i in range(1, 20):
    url = 'https://www.xxxx.com/guoneimeinv/list_5_{}.html'.format(i)
    response = requests.get(url, headers=headers)
    # print(response.content.decode('gbk'))
    # 提取想要的数据信息
    data_list = re.findall('</a> </li><li><a href="(.*?)" class="pic" target="_Blank" alt="(.*?)">', response.content.decode('gbk'))
    # print(data_list)
    num = 0
    for info_url, title in data_list:
        # print(info_url)
         # print(title)
        res = requests.get(info_url, headers=headers).content.decode('gbk')
        # print(res)
        page_num = re.findall('<li><a>共(.*?)页: </a></li><li>', res)
        # print(page_num)
​
        for i in range(1, int(page_num[0]) + 1):
            if i == 1:
                new_url = info_url
            else:
                new_url = info_url.replace('.html', f'_{i}.html')
            # print(new_url)
            jpg_data = requests.get(new_url, headers=headers).content.decode('gbk')
            # print(jpg_data)
            jpg_url_list = re.findall('<p align="center"><img src="(.*?)" /></p><br/>', jpg_data)
            # print(jpg_url_list)
            for jgp_url in jpg_url_list:
                result = requests.get(jgp_url, headers=headers).content
                f = open('1000图库/' + title + "-" + str(num) + ".jpg", 'wb')
                f.write(result)
                num += 1
                print(f"正在下载{title}第{num}张")

  👇🏻 疑难解答、学习资料、路线图可通过搜索下方 👇🏻