利用Python网络爬虫获取分类图片，简单处理反爬教学

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

本文章来自腾讯云作者：Python进阶者

想要学习Python？有问题得不到第一时间解决？来看看这里“1039649593”满足你的需求，资料都已经上传至文件中，可以自行下载！还有海量最新2020python学习资料。
点击查看

博海拾贝是一支互联网从业者在线教育的团队，扎根于中国教育行业以及互联网行业的创新和眼球中，打造专业体系化的互联网人在线教育平台。精心创作许多精彩的文章，提供了很多有趣的图片。

今天来教大家如何使用Python来爬取博海拾贝的图片，分类保存，写入文档。

【二、项目目标】

创建一个文件夹，分类保存所有文章图片。下载成功，结果显示控制台。

【三、项目分析】

1、如何找到真正访问的地址，多网页请求?

滑动鼠标，观察网站，右键F12 。鼠标滚轮滑动加载新内容。如图：

点开随机网页 , 点开Request URL ，观察网址的规律。

https://bh.sb/page/1/
https://bh.sb/page/2/
https://bh.sb/page/3/
https://bh.sb/page/4/

观察到，每增加一页page/{}/自增加1，用{}代替变换的变量，再用for循环遍历这网址，实现多个网址请求。

1、反爬处理
1）获取正常的 http请求头，并在requests请求时，设置这些常规的http请求头。

2）使用 fake_useragent ，产生随机的UserAgent进行访问。

【四、涉及的库和网站】

1、网址如下：

https://www.doutula.com/photo/list/?page={}

2、涉及的库：requests、lxml、fake_useragent、time、os

3、软件：PyCharm

【五、项目实施】
1、我们定义一个class类继承object，然后定义init方法继承self，再定义一个主函数main继承self。导入需要的库和网址，创建保存文件夹。

import requests, os
from lxml import etree
from fake_useragent import UserAgent
import timeclass bnotiank(object):    def __init__(self):os.mkdir("图片")  # 在创建文件夹 记住只有第一次运行加上，如果多次运行请注释掉本行。def main(self):pass
if __name__ == '__main__':Siper=bnotiank()Siper.main()

2、随机UserAgent ，构造请求头，防止反爬。

ua = UserAgent(verify_ssl=False)for i in range(1, 50):self.headers = {            'User-Agent': ua.random}

3、发送请求，获取响应，页面回调，方便下次请求。

'''发送请求  获取响应'''def get_page(self, url):res = requests.get(url=url, headers=self.headers)        html = res.content.decode("utf-8")return html

4、定义parse_page函数，获取二级页面地址，for遍历获取需要的字段。

 def parse_page(self, html):parse_html = etree.HTML(html)        image_src_list = parse_html.xpath('//p/a/@href')# print(image_src_list)

5、对二级页面发生请求，xpath解析数据，获取大图片链接。

reo = parse_html1.xpath('//div//div[@class="content"]') #父结点for j in reo:d = j.xpath('.//article[@class="article-content"]//p/img/@src')[0]text = parse_html1.xpath('//h1[@class ="article-title"] //a/text()')[0].strip()

6、请求图片地址，写入文档。

 html2 = requests.get(url=d, headers=self.headers).contentdirname = "./d/" + text + ".jpg" #定义图命名with open(dirname, 'wb') as f:f.write(html2)        print("%s 【下载成功！！！！】" % text)

7、调用方法，实现功能。

url = self.url.format(page)
print(url)
html = self.get_page(url)
self.parse_page(html)

8、设置延时。（防止ip被封）。

  time.sleep(1) """时间延时"""

【六、效果展示】
1、点击绿色小三角运行输入起始页，终止页。

2、将下载成功信息显示在控制台。

3、text 作为图片命名，展示效果如下所示。

【七、总结】

1、不建议抓取太多数据，容易对服务器造成负载，浅尝辄止即可。

2、本文基于Python网络爬虫，讲述了反爬技巧，利用爬虫库，实现了分类图片的获取，存入文档。

3、希望通过这个项目，能够帮助了解xpath，字符串是如何拼接，format函数如何运用。

4、实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。

利用Python网络爬虫获取分类图片，简单处理反爬教学相关推荐

一篇文章教会你利用Python网络爬虫获取分类图片
点击上方"IT共享之家",进行关注回复"资料"可获赠Python学习福利 [一.项目背景] 博海拾贝是一支互联网从业者在线教育的团队,扎根于中国教育行业以及互 ...
如何用python搜索要用的素材_一篇文章教会你利用Python网络爬虫获取素材图片
[一.项目背景] 在素材网想找到合适图片需要一页一页往下翻,现在学会python就可以用程序把所有图片保存下来,慢慢挑选合适的图片. [二.项目目标] 1.根据给定的网址获取网页源代码. 2.利用正则 ...
python爬取素材图片代码_一篇文章教会你利用Python网络爬虫获取素材图片
[一.项目背景] 在素材网想找到合适图片需要一页一页往下翻,现在学会python就可以用程序把所有图片保存下来,慢慢挑选合适的图片. [二.项目目标] 1.根据给定的网址获取网页源代码. 2.利用正则 ...
一篇文章教会你利用Python网络爬虫获取素材图片
点击上方"IT共享之家",进行关注回复"资料"可获赠Python学习福利 [一.项目背景] 在素材网想找到合适图片需要一页一页往下翻,现在学会python就可 ...
小猿圈分享利用python网络爬虫获取网易云歌词
今天小猿圈给大家分享网易云音乐歌词爬取方法. 本文的总体思路如下: 找到正确的URL,获取源码: 利用bs4解析源码,获取歌曲名和歌曲ID: 调用网易云歌曲API,获取歌词: 将歌词写入文件,并存入本 ...
python网络爬虫_一篇文章教会你利用Python网络爬虫获取穷游攻略
点击上方"IT共享之家",进行关注回复"资料"可获赠Python学习福利 [一.项目背景] 穷游网提供原创实用的出境游旅行指南.攻略,旅行社区和问答交流平台, ...
python爬虫可以爬取个人信息吗_手把手教你利用Python网络爬虫获取旅游景点信息...
爬虫系列: 当我们出去旅游时,会看这个地方有哪些旅游景点,景点价格.开放时间.用户的评论等. 本文基于Python网络爬虫技术,以hao123旅游网为例,获取旅游景点信息. 1.项目目标获取网站的景 ...
10分钟教你利用Python网络爬虫获取穷游攻略
完整源码在底部 [一.项目背景] 穷游网提供原创实用的出境游旅行指南.攻略,旅行社区和问答交流平台,以及智能的旅行规划解决方案,同时提供签证.保险.机票.酒店预订.租车等在线增值服务.穷游" ...
一篇文章教会你利用Python网络爬虫获取穷游攻略
[一.项目背景] 穷游网提供原创实用的出境游旅行指南.攻略,旅行社区和问答交流平台,以及智能的旅行规划解决方案,同时提供签证.保险.机票.酒店预订.租车等在线增值服务.穷游"鼓励和帮助中国旅 ...

利用Python网络爬虫获取分类图片，简单处理反爬教学

利用Python网络爬虫获取分类图片，简单处理反爬教学相关推荐

最新文章

热门文章