Python教程

我用 Python 代码爬取“学习”了全网各种风格妹子1T的小图片

本文主要是介绍我用 Python 代码爬取“学习”了全网各种风格妹子1T的小图片,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

前言

很久以前我就想试试python是怎么爬妹纸的图片的,感觉很牛的样子,相信大家都有这种想法,所以,我这次试了一下,效果还不错,图片很有味,滋滋~~,不相信的各位狼友来评鉴一下,爬图的数量根据你输入的页数确定,大家要相信纯洁的我只是适当的爬了几张图,用来学习技术,我发四。

爬取妹子图片准备工作

  • Python3.x
  • Pycharm等随意一款编辑器
  • os库、requests库、pyquery库

安装库

cmd安装方式

打开cmd控制台
image.png

在控制台分别输入以下代码:

pip install requests

image.png

pip install pyquery

image.png
其中,os库为Python3内置库,不需要安装,至此,准备工作完成。

pycharm安装方式

打开pycharm>file>settings
image.png
image.png

image.png
将所需库安装即可,至此,准备工作完成。

开始编程

主函数

首先先确定目标:优美图库国内类别http://www.umei.cc/p/gaoqing/cn/
image.png
然后,观察规律:
第一页URL为http://www.umei.cc/p/gaoqing/cn
点下一页URL为http://www.umei.cc/p/gaoqing/cn/2.htm
再点下一页URL为http://www.umei.cc/p/gaoqing/cn/3.htm
image.png
、、、、、、
然后再点击第一页发现网址变成了http://www.umei.cc/p/gaoqing/cn/1.htm
所以,我们就得到了屠龙技。代码如下:

# 控制代码运行过程,在文件作为脚本时才会被执行,而import到其他脚本中是不会被执行的
if __name__ == '__main__':                      
    z = 1
    url = 'http://www.umei.cc/p/gaoqing/cn/'     # 初始目标URL
    for i in range(z, z+1):                      # z+1可以换成z+n (n=1,2,3......)
        url1 = url+str(i)+'.htm'
        print(url1)                             
        get_url1(url1)                           # 调用get_url1函数获取图片

编写图片抓取函数get_url1
然后我们还有找规律,我们点开第一页第一套图
image.png
image.png
为了简便,我们就爬取每页各个套图里的第一张图片,当然也可以爬取更多的图。我们可以发现各个套图里的第一张图片URL根本没有规律,所以,我们这是就要借助pyquery网页解析库啦。
我用的是谷歌浏览器,打开开发者工具,根据图片找到套图里第一张图片的链接,可以多找几张,你会发现他们好像有规律,我们只要搞到红框框里的链接就好啦。
image.png
image.png
image.png
所以函数get_url1代码如下:

def get_url1(url):
# 模拟浏览器,不用改,几乎固定
    headers = {
                'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) '
                              'AppleWebKit/537.36 (KHTML, like Gecko)'
                              ' Chrome/58.0.3029.110 Safari/537.36'
                              }
    urllib3.disable_warnings()                                    #  预警作用
    html = requests.get(url, headers=headers, verify=False).text  # 获得elements里的所有代码
    doc = pq(html)                                                # 解析代码
    a = doc('.TypeList .TypeBigPics')
    for item in a.items():
        b = item.attr('href')              # 获得herf里的所有代码
    #    print(b,'\n','\n')
        html2 = requests.get(b,headers = headers,verify = False).text
        doc2 = pq(html2)
        c = doc2('.ImageBody img')         # 获得ImageBody img里的代码   
        for item2 in c.items():
          d = item2.attr('src')            # 获得src里的链接
          print(d)

# 保存文件
          root = "D://pics22223//"   # 根目录
          path=root+d.split('/')[-1] 
          # 根目录加上url中以反斜杠分割的最后一部分,即可以以图片原来的名字存储在本地
          try:
              if not os.path.exists(root):    # 判断当前根目录是否存在
                  os.mkdir(root)              # 创建根目录
              if not os.path.exists(path):    # 判断文件是否存在
                  r=requests.get(d)
                  with open(path,'wb')as f:
                      f.write(r.content)
                      f.close()
                      print("文件保存成功",'\n','\n')
              else:
                  print("文件已存在")
          except:
              print("爬取失败")

完整代码

# -*- coding: utf-8 -*-
"""
Created on Sun Dec 30 15:38:25 2018

@author: 球球
"""

import requests
import os
from requests.packages import urllib3
from pyquery import PyQuery as pq


def get_url1(url):
    headers = {
                'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) '
                              'AppleWebKit/537.36 (KHTML, like Gecko)'
                              ' Chrome/58.0.3029.110 Safari/537.36'
                              }
    urllib3.disable_warnings()
    html = requests.get(url, headers=headers, verify=False).text
    doc = pq(html)
    a = doc('.TypeList .TypeBigPics')
    for item in a.items():
        b = item.attr('href')
    #    print(b,'\n','\n')
        html2 = requests.get(b,headers = headers,verify = False).text
        doc2 = pq(html2)
        c = doc2('.ImageBody img')
        for item2 in c.items():
          d = item2.attr('src')
          print(d)

          root = "D://pics22223//"   # 根目录
          path=root+d.split('/')[-1] 
          # 根目录加上url中以反斜杠分割的最后一部分,即可以以图片原来的名字存储在本地
          try:
              if not os.path.exists(root):    # 判断当前根目录是否存在
                  os.mkdir(root)              # 创建根目录
              if not os.path.exists(path):    # 判断文件是否存在
                  r=requests.get(d)
                  with open(path,'wb')as f:
                      f.write(r.content)
                      f.close()
                      print("文件保存成功",'\n','\n')
              else:
                  print("文件已存在")
          except:
              print("爬取失败")


if __name__ == '__main__':
    z = 1
    url = 'http://www.umei.cc/p/gaoqing/cn/'
    for i in range(z, z+1):
        url1 = url+str(i)+'.htm'
        print(url1)
        get_url1(url1)

各位狼友们,上文中需要用到的python工具破解版需要的找我,实名有用,还有各种相关的python学习资料,各位狼友,一个合格的lsp一定要有技术,添加下方微信来找我吧,赶紧动手试试。

在这里插入图片描述

这篇关于我用 Python 代码爬取“学习”了全网各种风格妹子1T的小图片的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!