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 3.8Pycharm模块使用:
第三方模块 需要安装 在cmd里面 进行 pip install requests / parsel
requestsparsel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 requestsimport requests# 导入数据解析模块 --> 第三方模块 需要 在cmd里面 pip install parselimport 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)
效果
尾语
要成功,先发疯,下定决心往前冲!
学习是需要长期坚持的,一步一个脚印地走向未来!
未来的你一定会感谢今天学习的你。
—— 心灵鸡汤
本文章到这里就结束啦~感兴趣的小伙伴可以复制代码去试试哦 ?
?问题解答 · 源码获取 · 技术交流 · 抱团学习请联系?