Python爬取福利图要在中午，因为早晚会出事！我才存了2000文件夹

news2024/10/2 2:47:21

爱美之心人皆有之，我们爬取找寻这些漂亮小姐姐的图片并不是出于什么龌龊的目的。而是欣赏美好的东西总是会让人心情愉悦的，对于美丽事物的追求是人与生俱来的天性。

爬虫成果
在这里插入图片描述

发现很多想要学习Python却不知道该怎么下手的朋友，正好我这里整理了一些关于Python的学习资料，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等…有需要的朋友可以文末免费领取，希望能够帮助到大家！！！

在这里插入图片描述

当你运行代码后,文件夹就会越来越多，如果爬完的话会有2000多个文件夹，20000多张图片。不过会很耗时间，可以在最后的代码设置爬取页码范围。

本文目标

1.熟悉 Requests 库，Beautiful Soup 库
2.熟悉多线程爬取
3.送福利，妹子图
网站结构

图一：

在这里插入图片描述

可以看到是一组一组的套图，点击任何一组图片会进入到详情界面，如图二所示

图二:
在这里插入图片描述

可以看到图片是依次排开的，一般会有十张左右的图片。

实现思路

看了界面的结构，那么我们的思路就有了。

1.构造 url 链接，去请求图一所示的套图列表界面，拿到每一个页面中的套图列表。

2.分别进入每个套图中去，下载相应的图片。

代码说明

1.下载界面的函数,利用 Requests 很方便实现。

def download_page(url):
‘’’
用于下载页面
‘’’
headers = {“User-Agent”: “Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0”}
r = requests.get(url, headers=headers)
r.encoding = ‘gb2312’
return r.text

2、获取图一所示的所有套图列表,函数中 link 表示套图的链接，text表示套图的名字

def get_pic_list(html):
‘’’
获取每个页面的套图列表,之后循环调用get_pic函数获取图片
‘’’
soup = BeautifulSoup(html, ‘html.parser’)
pic_list = soup.find_all(‘li’, class_=‘wp-item’)
for i in pic_list:
a_tag = i.find(‘h3’, class_=‘tit’).find(‘a’)
link = a_tag.get(‘href’) # 套图链接
text = a_tag.get_text() # 套图名字
get_pic(link, text)

3、传入上一步中获取到的套图链接及套图名字,获取每组套图里面的图片,并保存,我在代码中注释了。

def get_pic(link, text):
‘’’
获取当前页面的图片,并保存
‘’’
html = download_page(link) # 下载界面
soup = BeautifulSoup(html, ‘html.parser’)
pic_list = soup.find(‘div’, id=“picture”).find_all(‘img’) # 找到界面所有图片
headers = {“User-Agent”: “Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0”}
create_dir(‘pic/{}’.format(text))
for i in pic_list:
pic_link = i.get(‘src’) # 拿到图片的具体 url
r = requests.get(pic_link, headers=headers) # 下载图片，之后保存到文件
with open(‘pic/{}/{}’.format(text, pic_link.split(‘/’)[-1]), ‘wb’) as f:
f.write(r.content)
time.sleep(1)

完整代码

完整代码如下，包括了创建文件夹，利用多线程爬取，我设置的是5个线程，可以根据自己机器自己来设置一下。

import requests
import os
import time
import threading
from bs4 import BeautifulSoup
def download_page(url):
‘’’
用于下载页面
‘’’
headers = {“User-Agent”: “Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0”}
r = requests.get(url, headers=headers)
r.encoding = ‘gb2312’
return r.text
def get_pic_list(html):
‘’’
获取每个页面的套图列表,之后循环调用get_pic函数获取图片
‘’’
soup = BeautifulSoup(html, ‘html.parser’)
pic_list = soup.find_all(‘li’, class_=‘wp-item’)
for i in pic_list:
a_tag = i.find(‘h3’, class_=‘tit’).find(‘a’)
link = a_tag.get(‘href’)
text = a_tag.get_text()
get_pic(link, text)
def get_pic(link, text):
‘’’
获取当前页面的图片,并保存
‘’’
html = download_page(link) # 下载界面
soup = BeautifulSoup(html, ‘html.parser’)
pic_list = soup.find(‘div’, id=“picture”).find_all(‘img’) # 找到界面所有图片
headers = {“User-Agent”: “Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0”}
create_dir(‘pic/{}’.format(text))
for i in pic_list:
pic_link = i.get(‘src’) # 拿到图片的具体 url
r = requests.get(pic_link, headers=headers) # 下载图片，之后保存到文件
with open(‘pic/{}/{}’.format(text, pic_link.split(‘/’)[-1]), ‘wb’) as f:
f.write(r.content)
time.sleep(1) # 休息一下，不要给网站太大压力，避免被封
def create_dir(name):
if not os.path.exists(name):
os.makedirs(name)
def execute(url):
page_html = download_page(url)
get_pic_list(page_html)
def main():
create_dir(‘pic’)
queue = [i for i in range(1, 72)] # 构造 url 链接页码。
threads = []
while len(queue) > 0:
for thread in threads:
if not thread.is_alive():
threads.remove(thread)
while len(threads) < 5 and len(queue) > 0: # 最大线程数设置为 5
cur_page = queue.pop(0)
url = ‘http://meizitu.com/a/more_{}.html’.format(cur_page)
thread = threading.Thread(target=execute, args=(url,))
thread.setDaemon(True)
thread.start()
print(‘{}正在下载{}页’.format(threading.current_thread().name, cur_page))
threads.append(thread)
if name == ‘main’:
main()

最后

最后多说一句，小编是一名python开发工程师，这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！（文末领取）