只用50行Python代碼爬取網(wǎng)絡美女高清圖片

更新時間：2021年06月02日 09:15:00 作者：COS0度

第一次寫文章,技術不成熟之處望各位大神輕噴,今天教大家只用50行Python代碼爬取網(wǎng)絡美女圖片是怎么操作的,文中有非常詳細的代碼示例,對正在學習python的小伙伴們很有幫助哦,需要的朋友可以參考下

一、技術路線

requests：網(wǎng)頁請求
BeautifulSoup：解析html網(wǎng)頁
re：正則表達式，提取html網(wǎng)頁信息
os：保存文件

import re
import requests
import os
from bs4 import BeautifulSoup

二、獲取網(wǎng)頁信息

常規(guī)操作，獲取網(wǎng)頁信息的固定格式，返回的字符串格式的網(wǎng)頁內(nèi)容，其中headers參數(shù)可模擬人為的操作，‘欺騙’網(wǎng)站不被發(fā)現(xiàn)

def getHtml(url):  #固定格式，獲取html內(nèi)容
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
    }  #模擬用戶操作
    try:
        r = requests.get(url, headers=headers)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        print('網(wǎng)絡狀態(tài)錯誤')

三、網(wǎng)頁爬取分析

右鍵單擊圖片區(qū)域，選擇 ‘審查元素’ ,可以查看當前網(wǎng)頁圖片詳情鏈接，我就滿心歡喜的復制鏈接打開保存，看看效果，結果一張圖片只有60幾kb，這就是縮略圖啊，不清晰，果斷舍棄。。。

在這里插入圖片描述

沒有辦法，只有點擊找到詳情頁鏈接，再進行單獨爬取。

空白右鍵，‘查看頁面源代碼’，把剛剛復制的縮略圖鏈接復制查找快速定位，分析所有圖片詳情頁鏈接存在div標簽，并且class=‘list’ 唯一，因此可以使用BeautifulSoup提取此標簽。并且發(fā)現(xiàn)圖片詳情頁鏈接在herf=后面（同時我們注意到有部分無效鏈接也在div標簽中，觀察它們異同，發(fā)現(xiàn)無效鏈接存在’https’字樣，因此可在代碼中依據(jù)此排出無效鏈接，對應第4條中的函數(shù)代碼），只需提取出來再在前面加上網(wǎng)頁首頁鏈接即可打開，并且右鍵圖片，‘審查元素’，復制鏈接下載的圖片接近1M，表示是高清圖片了，到這一步我們只需調(diào)用下載保存函數(shù)即可保存圖片

在這里插入圖片描述

四、網(wǎng)頁詳情頁鏈接獲取

根據(jù)第3條分析的情況，首要目標是將每頁的每個圖片的詳情頁鏈接給爬取下來，為后續(xù)的高清圖片爬取做準備，這里直接定義函數(shù)def getUrlList(url):

def getUrlList(url):  # 獲取圖片鏈接
    url_list = []  #存儲每張圖片的url，用于后續(xù)內(nèi)容爬取
    demo = getHtml(url)
    soup = BeautifulSoup(demo,'html.parser')
    sp = soup.find_all('div', class_="list") #class='list'在全文唯一，因此作為錨，獲取唯一的div標簽；注意，這里的網(wǎng)頁源代碼是class，但是python為了和class（類）做區(qū)分，在最后面添加了_
    nls = re.findall(r'a href="(.*?)" rel="external nofollow"  rel="external nofollow" ', str(sp)) #用正則表達式提取鏈接
    for i in nls:
        if 'https' in i: #因所有無效鏈接中均含有'https'字符串，因此直接剔除無效鏈接（對應第3條的分析）
            continue
        url_list.append('http://www.netbian.com' + i) #在獲取的鏈接中添加前綴，形成完整的有效鏈接
    return url_list

五、依據(jù)圖片鏈接保存圖片

同理，在第4條中獲取了每個圖片的詳情頁鏈接后，打開，右鍵圖片’審查元素’，復制鏈接即可快速定位，然后保存圖片

def fillPic(url,page):
    pic_url = getUrlList(url) #調(diào)用函數(shù)，獲取當前頁的所有圖片詳情頁鏈接
    path = './美女'  # 保存路徑
    for p in range(len(pic_url)):
        pic = getHtml(pic_url[p])
        soup = BeautifulSoup(pic, 'html.parser')
        psoup = soup.find('div', class_="pic") #class_="pic"作為錨，獲取唯一div標簽；注意，這里的網(wǎng)頁源代碼是class，但是python為了和class（類）做區(qū)分，在最后面添加了_
        picUrl = re.findall(r'src="(.*?)"', str(psoup))[0] #利用正則表達式獲取詳情圖片鏈接，因為這里返回的是列表形式，所以取第一個元素（只有一個元素，就不用遍歷的方式了）
        pic = requests.get(picUrl).content #打開圖片鏈接，并以二進制形式返回（圖片，聲音，視頻等要以二進制形式打開）
        image_name ='美女' + '第{}頁'.format(page) + str(p+1) + '.jpg' #給圖片預定名字
        image_path = path + '/' + image_name #定義圖片保存的地址
        with open(image_path, 'wb') as f: #保存圖片
            f.write(pic)
            print(image_name, '下載完畢?。?！')

六、main()函數(shù)

經(jīng)過前面的主體框架搭建完畢之后，對整個程序做一個前置化，直接上代碼

在這里第1頁的鏈接是http://www.netbian.com/meinv/

第2頁的鏈接是http://www.netbian.com/meinv/index_2.htm

并且后續(xù)頁面是在第2頁的基礎上僅改變最后的數(shù)字，因此在寫代碼的時候要注意區(qū)分第1頁和后續(xù)頁面的鏈接，分別做處理；同時在main()函數(shù)還增加了自定義爬取頁數(shù)的功能，詳見代碼

def main():
    n = input('請輸入要爬取的頁數(shù)：')
    url = 'http://www.netbian.com/meinv/'  # 資源的首頁，可根據(jù)自己的需求查看不同分類，自定義改變目錄，爬取相應資源
    if not os.path.exists('./美女'):  # 如果不存在，創(chuàng)建文件目錄
        os.mkdir('./美女/')
    page = 1
    fillPic(url, page)  # 爬取第一頁，因為第1頁和后續(xù)頁的鏈接的區(qū)別，單獨處理第一頁的爬取
    if int(n) >= 2: #爬取第2頁之后的資源
        ls = list(range(2, 1 + int(n)))
        url = 'http://www.netbian.com/meinv/'
        for i in ls: #用遍歷的方法對輸入的需求爬取的頁面做分別爬取處理
            page = str(i)
            url_page = 'http://www.netbian.com/meinv/'
            url_page += 'index_' + page + '.htm' #獲取第2頁后的每頁的詳情鏈接
            fillPic(url, page) #調(diào)用fillPic()函數(shù)

七、完整代碼

最后再調(diào)用main()，輸入需要爬取的頁數(shù)，即可開始爬取，完整代碼如下

import re
import requests
import os
from bs4 import BeautifulSoup

def getHtml(url):  #固定格式，獲取html內(nèi)容
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
    }  #模擬用戶操作
    try:
        r = requests.get(url, headers=headers)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        print('網(wǎng)絡狀態(tài)錯誤')

def getUrlList(url):  # 獲取圖片鏈接
    url_list = []  #存儲每張圖片的url，用于后續(xù)內(nèi)容爬取
    demo = getHtml(url)
    soup = BeautifulSoup(demo,'html.parser')
    sp = soup.find_all('div', class_="list") #class='list'在全文唯一，因此作為錨，獲取唯一的div標簽；注意，這里的網(wǎng)頁源代碼是class，但是python為了和class（類）做區(qū)分，在最后面添加了_
    nls = re.findall(r'a href="(.*?)" rel="external nofollow"  rel="external nofollow" ', str(sp)) #用正則表達式提取鏈接
    for i in nls:
        if 'https' in i: #因所有無效鏈接中均含有'https'字符串，因此直接剔除無效鏈接（對應第3條的分析）
            continue
        url_list.append('http://www.netbian.com' + i) #在獲取的鏈接中添加前綴，形成完整的有效鏈接
    return url_list

def fillPic(url,page):
    pic_url = getUrlList(url) #調(diào)用函數(shù)，獲取當前頁的所有圖片詳情頁鏈接
    path = './美女'  # 保存路徑
    for p in range(len(pic_url)):
        pic = getHtml(pic_url[p])
        soup = BeautifulSoup(pic, 'html.parser')
        psoup = soup.find('div', class_="pic") #class_="pic"作為錨，獲取唯一div標簽；注意，這里的網(wǎng)頁源代碼是class，但是python為了和class（類）做區(qū)分，在最后面添加了_
        picUrl = re.findall(r'src="(.*?)"', str(psoup))[0] #利用正則表達式獲取詳情圖片鏈接，因為這里返回的是列表形式，所以取第一個元素（只有一個元素，就不用遍歷的方式了）
        pic = requests.get(picUrl).content #打開圖片鏈接，并以二進制形式返回（圖片，聲音，視頻等要以二進制形式打開）
        image_name ='美女' + '第{}頁'.format(page) + str(p+1) + '.jpg' #給圖片預定名字
        image_path = path + '/' + image_name #定義圖片保存的地址
        with open(image_path, 'wb') as f: #保存圖片
            f.write(pic)
            print(image_name, '下載完畢?。?！')

def main():
    n = input('請輸入要爬取的頁數(shù)：')
    url = 'http://www.netbian.com/meinv/'  # 資源的首頁，可根據(jù)自己的需求查看不同分類，自定義改變目錄，爬取相應資源
    if not os.path.exists('./美女'):  # 如果不存在，創(chuàng)建文件目錄
        os.mkdir('./美女/')
    page = 1
    fillPic(url, page)  # 爬取第一頁，因為第1頁和后續(xù)頁的鏈接的區(qū)別，單獨處理第一頁的爬取
    if int(n) >= 2: #爬取第2頁之后的資源
        ls = list(range(2, 1 + int(n)))
        url = 'http://www.netbian.com/meinv/'
        for i in ls: #用遍歷的方法對輸入的需求爬取的頁面做分別爬取處理
            page = str(i)
            url_page = 'http://www.netbian.com/meinv/'
            url_page += 'index_' + page + '.htm' #獲取第2頁后的每頁的詳情鏈接
            fillPic(url_page, page) #調(diào)用fillPic()函數(shù)

main()

到此這篇關于只用50行Python代碼爬取網(wǎng)絡美女高清圖片的文章就介紹到這了,更多相關Python爬取圖片內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: