自从学会：用Python爬取虎牙颜值区美女主播照片后，身体一天不如一天

有很多美女姐姐的图片做桌面，即使加班也是高兴的！

好啦！先唠叨一下爬虫的步骤：

1. 获取请求链接，并判断响应结果的类型

2. 使用requests发出请求，获取响应结果

3. 解析响应结果

4. 将响应的结果做持久化保存

按照步骤我们第一步是获取链接，我们以虎牙直播为例，进入首页

然后选择更多，但是如果你需要的在上面可以直接选择也可以，比如王者荣耀、英雄联盟等，我们选择【颜值】，进入颜值页面

来到颜值页面后我们F11打开开发者工具，选择Network进行网络请求和响应的查看。我们的目的是获取海量的美女图片

将页面拉到底部，进行翻页。发现地址栏没有变化还仍然是：https://www.huya.com/g/2168

如果大家遇到这种情况，就要考虑是不是使用ajax进行异步请求了。在Network中选择XHR，进行异步请求的筛选。

点开上图中圈起来的链接，发现在response处是一个json返回结果

于是我们把此链接拷贝出来，继续分析：

1.https://www.huya.com/cache.php?m=LiveList&do=getLiveListByPage&gameId=2168&tagAll=0&callback=getLiveListJsonpCallback&page=1

2.https://www.huya.com/cache.php?m=LiveList&do=getLiveListByPage&gameId=2168&tagAll=0&callback=getLiveListJsonpCallback&page=2

3.https://www.huya.com/cache.php?m=LiveList&do=getLiveListByPage&gameId=2168&tagAll=0&callback=getLiveListJsonpCallback&page=3

4.https://www.huya.com/cache.php?m=LiveList&do=getLiveListByPage&gameId=2168&tagAll=0&callback=getLiveListJsonpCallback&page=4

这时我们兴奋了，因为发现了规律，链接其他的没有发生变化，唯独在最后位置page发生了改变。分别跟页码数对应上了。

于是我们就有了下面的代码：

# 获取响应结果json并解析

def get_parse_json(url):

pass

if name == ‘main’:

# 自动创建huya文件夹

if not os.path.exists(‘huya’):

os.mkdir(‘huya’)

# 假设我们要爬取的是3页的主播封面图

for i in range(1,4):

url = ‘https://www.huya.com/cache.php?m=LiveList&do=getLiveListByPage&gameId=2168&tagAll=0&callback=getLiveListJsonpCallback&page=’+str(i)

get_parse_json(url)

现在我们就来到了步骤二，使用requests发出请求了。

# 导入requests

import requests  # 爬虫

# 模拟浏览器来访问

headers = {

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36’

}

def get_parse_json(url):

# 开始爬取虎牙的妹子

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

content = response.text  # 大家注意此处没有使用json()直接获取，是因为json字符串前面有一长串字符串

# 使用切片截取字符串

result = content[len(‘getLiveListJsonpCallback(’): -1]

# 查看截取结果

print(result)

if name == ‘main’:

# 假设我们要爬取的是10页的主播封面图

for i in range(1,11):

url = ‘https://www.huya.com/cache.php?m=LiveList&do=getLiveListByPage&gameId=2168&tagAll=0&callback=getLiveListJsonpCallback&page=’+str(i)

get_parse_json(url)

获取结果截图：

我们发现成功获取了3条json结果，接下来就是分析和解析数据了。

因为json内容很长，我们不便分析它们，所以我们使用json的格式化工具完成：https://www.bejson.com/

点开格式化工具的链接，将json数据复制到上面，进行格式化查看会更加清晰。

通过分析我们发现所有的数据都在data–>datas中，而图片在screenshot对应的值上。

所以我们开始解析，先将json字符串使用json.loads()进行转换，得到的是一个字典，然后层层的获取数据。

解析的代码是：

import json

# json解析: json字符串 => python字典

result2 = json.loads(result)

# 当前页的所有妹子

meizi_list = result2[‘data’][‘datas’]

for meizi in meizi_list:

nick = meizi[‘nick’]  # 昵称

img = meizi[‘screenshot’]  # 图片url

我们虽然提取出来了图片的url，但是还没有保存到本地。所以接下来要做第四步持久化保存了。

因为我们下载的仅仅是图片，所以直接使用request.urlretrieve实现就可以

from urllib from request

request.urlretrieve(img, f’huya/{nick}.png’)

request.urlcleanup()  # 清空缓存

print(f’{nick}.png 下载完成!')

因此最后的完整代码是：

# 导入requests

import time

import json

from urllib import request

import ssl

import requests  # 爬虫

# 模拟浏览器来访问

headers = {

‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36’

}

# ssl._create_default_https_context = ssl._create_unverified_context

def get_parse_json(url):

# 开始爬取虎牙的妹子

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

content = response.text  # 大家注意此处没有使用json()直接获取，是因为json字符串前面有一长串字符串

# 使用切片截取字符串

result = content[len(‘getLiveListJsonpCallback(’): -1]

# json解析: json字符串 => python字典

result2 = json.loads(result)

# 当前页的所有妹子

meizi_list = result2[‘data’][‘datas’]

for meizi in meizi_list:

nick = meizi[‘nick’]  # 昵称

img = meizi[‘screenshot’]  # 图片url

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）

g-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）