前言

在之前的分享中，我们已经学会了简书和知乎小姐姐的爬虫。今天罗罗攀把魔爪伸向了微博网红们，我们找找谁是最美网红。今天的流程如下：

网页分析

这里的微博网红链接：https://weibo.com/a/hot/7549094253303809_1.html，这个是微博关注中的新鲜事(大家不需要了解太多，就这个url即可)。里面收集了近段时间的热门网红微博。

这个网页简单，我们直接使用lxml库来解析即可。这里就强调一点，这个图片是普清的，进入详细页面可以是高清图片，但我发现只需要将图片的url中的“thumb180”换成“mw690”就可以将图换成高清。例如：

https://ww4.sinaimg.cn/thumb180/6960aeaaly1g23wtlad3sj21sc2dsu0x.jpg

https://ww4.sinaimg.cn/mw690/6960aeaaly1g23wtlad3sj21sc2dsu0x.jpg

爬虫代码

根据上面的思路，我们编写爬虫代码：

import requests

from lxml import etree

import re

headers = {

'cookie':''

}

url = 'https://weibo.com/a/hot/7549094253303809_1.html'

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

html = etree.HTML(res.text)

infos = html.xpath('//div[@class="UG_list_a"]')

for info in infos:

name = info.xpath('div[2]/a[2]/span/text()')[0]

content = info.xpath('h3/text()')[0].strip()

imgs = info.xpath('div[@class="list_nod clearfix"]/div/img/@src')

print(name,content)

i = 1

for img in imgs:

href = 'https:' + img.replace('thumb180','mw690')

print(href)

res_1 = requests.get(href,headers=headers)

fp = open('row_img/' + name + '+' + content + '+' + str(i) + '.jpg','wb')

fp.write(res_1.content)

i = i + 1

记得换上自己的cookie后就可以直接使用啦~

人脸识别API

之前我们就讲解过了人脸识别API的使用，这里把在讲解一遍。

首先，打开网址(http://ai.baidu.com/tech/face)，登陆后立即使用，我们首先创建一个人脸识别的应用。api的使用说简单很简单(看文档就好了)，说难也很难(大家的阅读能力在慢慢下降)。首先，我们看着文档(https://ai.baidu.com/docs#/Face-Detect-V3/top)，一步步来。

接着我们通过API Key和Secret Key获取token：

import requests

ak = ''

sk = ''

host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}'.format(ak,sk)

res = requests.post(host)

print(res.text)

我们拿着token，来请求对应的网页就可以获取图片的内容了。我们拿张超越妹妹的图片做例子~

import base64

import json

token = ''

def get_img_base(file):

with open(file,'rb') as fp:

content = base64.b64encode(fp.read())

return content

request_url = "https://aip.baidubce.com/rest/2.0/face/v3/detect"

request_url = request_url + "?access_token=" + token

params = {

'image':get_img_base('test.jpg'),

'image_type':'BASE64',

'face_field':'age,beauty,gender'

}

res = requests.post(request_url,data=params)

result = res.text

json_result = json.loads(result)

code = json_result['error_code']

gender = json_result['result']['face_list'][0]['gender']['type']

beauty = json_result['result']['face_list'][0]['beauty']

print(code,gender,beauty)

### result 0 female 76.25

这里的token为前面请求得到的，params的参数中，图片需要base64编码~超越妹妹76.25，还算给力。

综合使用

最后，我们逐一请求我们保存的图片，获取小姐姐图片的分数(这里处理为1-10分)，并分别存在不同的文件夹中。

import requests

import os

import base64

import json

import time

def get_img_base(file):

with open(file,'rb') as fp:

content = base64.b64encode(fp.read())

return content

file_path = 'row_img'

list_paths = os.listdir(file_path)

for list_path in list_paths:

img_path = file_path + '/' + list_path

# print(img_path)

token = '24.890f5b6340903be0642f9643559aa7a1.2592000.1557979582.282335-15797955'

request_url = "https://aip.baidubce.com/rest/2.0/face/v3/detect"

request_url = request_url + "?access_token=" + token

params = {

'image':get_img_base(img_path),

'image_type':'BASE64',

'face_field':'age,beauty,gender'

}

res = requests.post(request_url,data=params)

json_result = json.loads(res.text)

code = json_result['error_code']

if code == 222202:

continue

try:

gender = json_result['result']['face_list'][0]['gender']['type']

if gender == 'male':

continue

beauty = json_result['result']['face_list'][0]['beauty']

new_beauty = round(beauty/10,1)

print(img_path,new_beauty)

if new_beauty >= 8:

os.rename(os.path.join(file_path,list_path),os.path.join('8分',str(new_beauty) + '+' + list_path))

elif new_beauty >= 7:

os.rename(os.path.join(file_path,list_path),os.path.join('7分',str(new_beauty) + '+' + list_path))

elif new_beauty >= 6:

os.rename(os.path.join(file_path,list_path),os.path.join('6分',str(new_beauty) + '+' + list_path))

elif new_beauty >= 5:

os.rename(os.path.join(file_path,list_path),os.path.join('5分',str(new_beauty) + '+' + list_path))

else:

os.rename(os.path.join(file_path,list_path),os.path.join('其他分',str(new_beauty) + '+' + list_path))

time.sleep(1)

except KeyError:

pass

except TypeError:

pass