这是日常学python的第14篇原创文章

我前几篇文章都是说一些python爬虫库的用法,还没有说怎样利用好这些知识玩一些好玩的东西。那我今天带大家玩好玩又刺激的,嘻嘻!对了,requests库和正则表达式很重要的,一定要学会!一定要学会!!一定要学会!!!我现在的爬虫基本都是用这两样东西来爬的。所以学不学你看着办吧。


来到今天的重点,我今天发现一个网站很好爬的,非常适合新手,我没有设置请求头什么的爬了很多遍很没有封我ip和给我返回403之类的,所以他对我们第一次玩爬虫的人来说很友好。这个网站就是今日头条。最重要的是这里面有很多美女图片,我们可以把它们爬下来!!!是不是想想都要流鼻血啊?


文章首发于公众号「日常学python」


我们今天要爬的就是他的图集,先看看网站。搜索美女,然后点击图集,可以看到下面这些内容


我们要做的就是把上面的图片给爬下来。


那开始分析网站。按下f12,然后点击network,刷新下你可以看到这些


进行寻找哪个请求返回这些图片的,在网页上可以看到图片会随着你下拉网页而进行显示更多的图片,这是动态加载的,所以可以轻松知道这个可以在xhr文件中找到,果然,你看


不断往下拉,不断地发送请求,点击这个请求看看是返回什么数据


可以看到这是个json,里面有图片的url,这个就是我们要找的东西,那我们可以用json库来解析,还有这个网站是get请求,这样就可以用requests库来发送然后解析下就可以了,非常简单。


那么分析就到这里,直接上代码

import requests, os
path_a = os.path.abspath(‘.’)
kw = ‘’
while True:
   kw = input(‘请输入你要获取的图片(若想结束请输入1)’)
   if kw == ‘1’:
       print(‘已退出,你下载的图片已保存在’+path_a+‘,请查看!’)
       break
   for x in range(0, 1000, 20):
       url = https://www.toutiao.com/search_content/?offset='+str(x)+‘&format=json&keyword=%s&autoload=true&count=20&cur_tab=3&from=gallery’ % kw
       response = requests.get(url)
       data = response.json()[‘data’]
       if not data:
           print(‘下载’+kw+‘图片完毕,请换个关键词继续’)
           break
       n = 1  # 记录文章数
       for atlas in data:
           # 创建目录
           title = atlas[‘title’]
           print(atlas)
           try:
               if title not in os.listdir(‘.’):  # 防止文件名已经存在
                   os.mkdir(title)
           except OSError as e:
               print(‘文件名出错,创建目录失败,重新创建一个随机名字’)
               title = kw + ‘文件名出错’+str(x)
               if title not in os.listdir(‘.’):
                   os.mkdir(title)
           k = 1  # 记录下载的图片数
           path = os.path.join(path_a, title)
           # 转进图片目录
           os.chdir(path)
           for image in atlas[‘image_list’]:  # 这个链接获取的图片是小张的,看着不够爽,所以下面替换成大的图片
               image_url = image[‘url’].replace(‘list’, ‘large’)  # 改个链接获取大的图片
               atlas = requests.get(‘http:’+image_url).content
               with open(str(k)+‘.jpg’, ‘wb’) as f:  # 把图片写入文件内
                   f.write(atlas)
               print(‘下载完第%d个文章的%d幅图完成’ % (x+n, k))
               k += 1
           n += 1
           # 转出图片目录
           os.chdir(path_a)


这个只用了requests库基本就能完成了,os库是用来操作文件目录的,这里就不详细说了。可以看到,代码量非常少,除开注释就大概四十行吧,是不是比其他语言简洁多了?是不是requests库很好用?这里可以充分体现了人生苦短,我用python的真理。


而且,他还可换关键字继续搜,你想搜什么照片都可以。


下篇文章写个requests库和正则来爬内容的文章,让你们感受下正则的强大!


最后给你们看下结果


不说那么多了,我要去买营养快线了。


上述文章如有错误欢迎在留言区指出,如果这篇文章对你有用,点个赞,转个发如何?


MORE
延伸阅读

◐◑爬虫必学知识之正则表达式上篇

◐◑ python爬虫常用库之requests详解

◐◑ 爬虫必学知识之正则表达式下篇





日常学python

代码不止bug,还有美和乐趣