前言

(｡･∀･)ﾉﾞ嗨 大家好，这里是小圆

现在开始每天都给大家 分享些关于python爬虫的案例教学

从最简单的开始 — 采集图片壁纸

今天就来扒拉这个优质的壁纸网站~

网址 👇

顺便瞧一眼 这里的壁纸 👇

当然 肯定不止这些…

---

前期准备

环境使用

• Python 3.8 解释器
• Pycharm 编辑器

模块准备

# 导入数据请求模块 --> 第三方模块, 需要安装 pip install requests
import requests
# 导入正则模块 --> 内置模块, 不需要安装
import re

案例实现思路

一. 数据来源分析

1. 明确需求:
   采集的网站是什么?
   
   采集的数据是什么?
   图片链接
   图片名字
2. 通过开发者工具抓包分析, 图片链接/图片名字 数据内容在哪里可以获取到
   <由小到大 先分析一张图片数据在什么地方, 再分析如何获取多张图片>
   
   打开开发者工具: F12 / 鼠标右键点击检查选择network
   刷新网页: 让本网页数据内容重新加载一遍
   搜索数据来源: 复制关键参数, 直接进行搜索
   
   目的获取图片链接/图片名字 👉 图片详情页
   
   👉 获取图片ID 👉 图片目录页面里面有
   和正常访问网站观看图片一样的

---

代码实现步骤

• 获取图片ID:

  1. 发送请求, 模拟浏览器对于url地址发送请求
     请求 图片目录页面url
  2. 获取数据, 获取服务器返回响应数据
     response 网页源代码
  3. 解析数据, 提取我们想要的数据内容
     图片ID

• 获取图片链接/名字

  4. 发送请求, 模拟浏览器对于url地址发送请求
     请求 图片详情页页面
  5. 获取数据, 获取服务器返回响应数据
     response 网页源代码
  6. 解析数据, 提取我们想要的数据内容
     图片链接
     图片名字
     保存数据
  7. 保存数据, 保存本地文件夹

👇👇👇 ok，到这里后 咱就开始敲敲写写代码吧 👇👇👇

---

实现代码

1. 发送请求

模拟浏览器对于url地址发送请求

模拟浏览器 <反爬处理> 请求头 <字典数据类型>
如果你不伪装, 可能会被识别出来是爬虫程序, 从而得到数据内容
可以直接复制粘贴 --> 开发者工具里面就可以复制

<Response [200]> 响应对象
Response: 中文意思–>响应
<>: 表示对象
200: 状态码 表示请求成功

### 源码领取kou群：309488165 ### 
for page in range(2, 11):
    print(f'=================正在采集第{page}页的数据内容=================')
    # 请求图片目录页面url
    url = f'http://www.netbian.com/dongman/index_{page}.htm'
    # 伪装模拟成浏览器
    headers = {
        # User-Agent 用户代理 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
    # 调用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, 最后用自定义变量名response接受返回的数据
    response = requests.get(url=url, headers=headers)

2. 获取数据

获取服务器返回响应数据

response 网页源代码
response.text 获取响应文本数据 <网页源代码>

3. 解析数据

提取我们想要的数据内容 👉 图片ID

调用re模块里面findall方法 --> 找到所有我们想要的数据

re.findall(‘找什么数据’, ‘从哪里找’) --> 从什么地方, 去匹配找什么样的数据内容

从 response.text<网页源代码> 里面 去找 <a href=“/desk/(\d+).htm” 其中 (\d+) 就是我们要的内容
\d+ 表示任意数字

    # 提取图片ID --> 列表 <盒子/箱子> '29381' 是列表<箱子>里面元素<苹果>
    img_id_list = re.findall('<a href="/desk/(\d+).htm"', response.text)
    # for循环遍历, 把列表里面元素 一个一个提取出来
    for img_id in img_id_list:
        # img_id变量<袋子> 给 img_id_list 列表<盒子> 里面 元素<苹果> 给装起来
        print(img_id)

4. 发送请求

5. 获取数据, 获取服务器返回响应数据

response 网页源代码

        # 请求详情页链接 --> f'{img_id}' 字符串格式化方法
        link = f'http://***.com/desk/{img_id}.htm'
        # 发送请求
        response_1 = requests.get(url=link, headers=headers)
        # 获取数据内容 网页源代码 ---> 乱码了, 进行转码
        response_1.encoding = 'gbk'

6. 解析数据

提取我们想要的数据内容 < 图片链接/图片标题 >

        img_url, img_title = re.findall('<img src="(.*?)" alt="(.*?)"', response_1.text)[0]

7. 保存数据

先获取图片数据内容

img_content = requests.get(url=img_url, headers=headers).content
with open('img\\' + img_title + '.jpg', mode='wb') as f:
            f.write(img_content)
print(img_url, img_title)

效果展示

视频教程

最后

今天的案例分享到这里就结束啦

对文章有问题的铁汁可以私信我哦