现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
import os
import requests
from lxml import etree
#### 隐藏爬虫身份
如今很多网站设置了反爬系统,我们对爬虫身份进行隐藏,将其隐藏为正常的用户访问,具体操作如下:
首先,我们随意打开一个网站,右键点击检查:
![在这里插入图片描述](https://img-blog.csdnimg.cn/3a3d9b66ffc64f76bb554b168fe87a3d.png)
打开后,点击网络,并且ctrl+r刷新:
![在这里插入图片描述](https://img-blog.csdnimg.cn/ef39ab6fa6264e9498a7a85c80c0aba5.png)
刷新后随机点一个名称从标头往下翻,一般可以在请求标头上找到User-Agent并且复制(没有就换个名称接着找):
![在这里插入图片描述](https://img-blog.csdnimg.cn/a369918d4df94b7e851956634adeb052.png)
随后在代码中添加如下:
#输入网站的地址
url = https://pic.netbian.com/4kdongman/
#隐藏爬虫身份
header = {
‘User_Agent’:‘粘贴复制的user-agent’
}
#### 获取目标地址
在元素这一栏中找到(在页面中选择一个元素进行检查)这个图标,选择你想要爬取的照片,会自动帮你定位到该图片所在的标签。
![在这里插入图片描述](https://img-blog.csdnimg.cn/1c863c22da294b7aa78d830df805d581.png)
还是这张图片,找到要下载的图片地址在a标签下的img src中,再次进行匹配。
#### 网页抓取
通过requests库对网页的地址进行访问申请
response = requests.get(url,header)
此时我们可以通过对page的状态码查看来判断是否访问成功(返回值为200代表访问成功)
response_status = response.status_code
print(response_status)
获取网页文本并将文本解析
page_text = response.text
tree = etree.HTML(page_text)
#### 文本匹配
首先观察,发现所有的图片地址都在figure标签中,所有的figure标签又都存在于 div class=“gallery\_inner” 中,所以我们先匹配到div这个标签。
![在这里插入图片描述](https://img-blog.csdnimg.cn/584f5d3c22434ac5951e20c42770eea3.png)
在xpath中//表示在该本文中搜索所有的div标签,[@class=“gallery\_inner”]则将div标签限定,再通过/figure找到所有的标签。
xpath进行匹配:
figure_list = tree.xpath(‘//div[@class=“gallery_inner”]/figure’)
接着我们对所有的li标签进行循环,依次对每个图片地址进行操作。
for figure in figure_list:
img_src = figure.xpath(‘./a/img/@data-src’)[0]
img_src = ‘https:’ + img_src
img_name = img_src.split(‘/’)[-1]
img_data = requests.get(url=img_src,headers=header).content
img_path = ‘piclitl/’ + img_name
with open(img_path, ‘wb’) as fp:
fp.write(img_data)
print(img_name, ‘下载成功’)
大致框架搭好后运行,发现了**两个报错**:
一、在对figure标签请求时,匹配没有结果出现列表超出范围的报错。
![在这里插入图片描述](https://img-blog.csdnimg.cn/eb0ac108b2434683aa3462ddb6e295f5.png)
通过对网站的分析,我们发现图中创意视频推荐也在figure标签中,所以但其实际上没有a和img标签,所以匹配没有结果,导致程序直接报错停止。
![在这里插入图片描述](https://img-blog.csdnimg.cn/e5ea21ca13d6402ebb55725b22b8f113.png)
这里采用try…expect…语句让程序遇到此类报错时直接跳过
try:
img_src = figure.xpath(‘./a/img/@data-src’)[0]
except(IndexError):
print(‘未成功匹配到字段’)
二、当匹配没有结果时,我们选择跳过,所以此时对图片数据申请时没有结果
try:
img_data = requests.get(url=img_src, headers=header).content
except(requests.exceptions.InvalidURL):
print(‘没有访问地址’)
以上便是利用python网络爬虫对图片进行批量爬取,如果你对爬虫感兴趣,不妨以本文为案例,打开爬虫世界的大门。
### 完整代码
from lxml import etree
import requests
import os
if name == ‘main’:
url = ‘https://www.vcg.com/creative-image/xigua/’
header = {
‘User_Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/102.0.5005.63 Safari/537.36 Edg/102.0.1245.39’
}
response = requests.get(url=url, headers=header)
response.encoding = 'utf-8'
page_text = response.text
tree = etree.HTML(page_text)
figure_list = tree.xpath('//div[@class="gallery_inner"]/figure')
if not os.path.exists('./piclitl'):
os.makedirs('./piclitl')
最后
Python崛起并且风靡,因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低,但它的晋级路线很多,通过它你能进入机器学习、数据挖掘、大数据,CS等更加高级的领域。Python可以做网络应用,可以做科学计算,数据分析,可以做网络爬虫,可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多,你需要学好基础,再选择明确的方向。这里给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
👉Python所有方向的学习路线👈
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
👉Python必备开发工具👈
工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
👉Python全套学习视频👈
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
👉实战案例👈
学python就与学数学一样,是不能只看书不做题的,直接看步骤和答案会让人误以为自己全都掌握了,但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码,教程只需要看一两遍即可。
👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!