1.需要用到的库有:

Requests    re    os    time 如果没有安装的请自己安装一下，pycharm中打开终端输入命令就可以安装

2.IDE : pycharm

3.python 版本: 3.8.1

2.爬取地址:

https://www.vmgirls.com/9384.html

-------------------废话不多说了，不懂的可以给我留言哦，接下来我们一步一步来操作------------------

1.请求网页

1 #请求网页

2 importrequests3

4 response=requests.get('https://www.vmgirls.com/9384.html')5

6 print(response.text)

执行结果:

发现请求到的是403,直接禁止了我们访问，requests库会告诉他我们是python过来的，他知道我们是一个python禁止我们反爬

解决:

我们可以伪装头,把头设置一下

#请求网页

importrequests

headers={'user-agent' : 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.100 Safari/537.36'}

response=requests.get('https://www.vmgirls.com/9384.html',headers=headers)print(response.request.headers)

执行结果:

这样头就伪装了

2.解析网页

#请求网页

importrequestsimportre

headers={'user-agent' : 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.100 Safari/537.36'}

response=requests.get('https://www.vmgirls.com/9384.html',headers=headers)#print(response.request.headers)#print(response.text)

html=response.text#解析网页

urls=re.findall('',html)print(urls);

结果:

可能对re.findall后面不太理解怎么来的,关键就是要找到图片的dom然后根据re库的一个匹配规则来匹配,要匹配的用(.*?)来表示，不需要匹配的用.*?来代替就可以了,

打开网址，按f12查看源码找到图片的代码

复制图片代码，打开网页源码按 ctrl+f 进行搜索，找到图片源码的位置

3.保存图片

具体可以看源码，我给这些图片创建了一个文件夹(需要os库)，并且命了名，这样分类下次看小姐姐就比较容易找到啦

#请求网页

importtimeimportrequestsimportreimportos

headers={'user-agent' : 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.100 Safari/537.36'}

response=requests.get('https://www.vmgirls.com/9384.html',headers=headers)#print(response.request.headers)#print(response.text)

html=response.text#解析网页#目录名字

dir_name=re.findall('',html)[-1]if notos.path.exists(dir_name):

os.mkdir(dir_name)

urls=re.findall('',html)print(urls);#保存图片

for url inurls:#加个延时,避免给服务器造成压力

time.sleep(1)#图片的名字

file_name=url.split('/')[-1]

response= requests.get(url, headers=headers)

with open(dir_name+'/'+file_name,'wb') as f:

f.write(response.content)