目录

一、前端结构

二、代码 

---

一、前端结构

为get请求，携带参数如下:

随page参数变化网页变化 

 

 

需要在整张页面中进入:

//section[@class="thumb-listing-page"]//li/figure/a/@href

 

 

 进入后获取图片src:

//section[@class="fit"]/div[@class="scrollbox"]/img/@src

 

共92页 

二、代码 

#爬取wallhaven 4k类的所有图片

import requests
import chardet
from lxml import etree

url='https://wallhaven.cc/search?'
headers={
    'User-Agent':
    'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/117.0.0.0 Safari/537.36 Edg/117.0.2045.47'
}

total_img_url_list=[]
for pageNum in range(1,3):#爬取两页作为示例
    params={
        'q': 'id:65348',
        'sorting': 'random',
        'ref': 'fp',
        'seed': 'dHtqFi',
        'page': pageNum,
        }
    resp=requests.get(url=url,headers=headers,params=params)
    encoding=chardet.detect(resp.content)['encoding']
    #print(encoding)
    resp.encoding=encoding
    page_text1=resp.text

    tree1=etree.HTML(page_text1)
    img_url_list=tree1.xpath('//section[@class="thumb-listing-page"]//li/figure/a/@href')
    total_img_url_list+=img_url_list
    #print(src_list)

for img_src_url in total_img_url_list:
    resp=requests.get(url=img_src_url,headers=headers)
    encoding=chardet.detect(resp.content)['encoding']
    resp.encoding=encoding
    page_text2=resp.text
    
    tree2=etree.HTML(page_text2)
    img_url=tree2.xpath('//section[@class="fit"]/div[@class="scrollbox"]/img/@src')
    
    img_name = img_url[0].split('/')[-1]
    with open (
          'D:\\Programming\\Microsoft VS Code Data\\WebCrawler\\data\\img_wallhaven\\'+img_name,
          'wb'
          ) as fp:
          img=requests.get(url=img_url[0],headers=headers)
          fp.write(img.content)
          print(img_url,'爬取成功!')
print('爬取结束!!!')

 

 

可加快爬取速度的方式:

1. 使用多线程或异步请求：可以考虑使用多线程或异步请求库，如concurrent.futures、asyncio、aiohttp等，同时发送多个请求，从而加快爬取速度。

2. 并行下载图片：可以考虑将图片下载的部分放入异步任务中，实现并行下载多张图片，提高下载速度。

 但是还不会