今天编写脚本的目的是什么?看美女,看美女,看美女(重要的事情说三遍),不过看美女可以缓解疲劳,在这个浮躁的社会里我希望沉淀下自己的灵魂。嘿嘿~
Python瀑布流爬虫
1、爬虫认识
2、Python与爬虫
3、关于爬取图片的设想
4、瀑布流爬虫的分析
实战:快速爬取360网站图片
实战:快速爬取百度图片瀑布流爬虫实现,批量下载图片!
1、爬虫认识
爬虫(spider:网络蜘蛛):是一个用脚本代替浏览器请求服务器获取服务器资源的程序。
我们知道什么是爬虫了,无非就是模拟浏览器去请求服务器,那什么是瀑布流爬虫呢?为啥这个名字这么吊?它又有什么前尘往事呢,让我们走进科学~不~走进它深入探究下……
-----Smile Mr
什么是瀑布流?
我们数据比较多的时候,为了更好用户体验和节省服务器资源,我们进行渐进式的加载。
顾名思义,瀑布流肯定数据量很大,然后进行用户体验非常好的渐进式加载,让我们一直下拉就会有不同的数据展示,来来来,让我们通过图来走两步~
没错,同志们,就是这味道,一下拉就会有神奇的事情发生,实在是太棒了~
2、Python与爬虫
上面的种种举例大家都可能在脑海中有一定的印象了,什么是瀑布流,不过,关键的时候还需要实操下,对不,想要看瀑布流网页效果的,请单击: 我 自行体验下,36D的非一般的感觉。
下面的例子按照:https://image.baidu.com/这个例子来做的,其实效果都是一样滴,不过百度的美女实在太暴力了,鄙人受不鸟,所以用唯美替代了,毕竟生活中我也是一个小清新呢~
结构分析
抓包分析
访问抓包数据
经过上面的紧张略微带刺激的分析,嘿嘿(流鼻血~),我发现,下面几个规律:
1. 图片来源js的渲染
2. 使用的ajax技术
3. 返回json数据
4. 每次下拉都会请求一个url地址
5. 每次请求的url地址具体的参数都有一定的规律
讲到这里老铁们,都差不多了解了,我们只需要拿到具体的 json数据(响应体),然后进行转换提取就欧了~真是so easy~
废话不多说,老规矩,直接上代码, 我们开始尝试编写代码,先介绍下我自己的环境啊哈~
Pycharm 编译器 2018.2.3版本
Python3.7.2
requests(这是网络请求包,需要下载 :pip install requests)
实战:爬取360图片,将图片保存在本地
import requests,time
from urllib import request
url = 'http://image.so.com/zj?ch=beauty&sn=30&listtype=new&temp=1'
headers= {
'Referer': 'http://image.so.com/z?ch=beauty',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36'
}
str_data = '''ch: beauty
sn: 120
listtype: new
temp: 1
'''
send_data = {}
for data in str_data.splitlines():
line_data = data.split(': ')
if len(line_data) == 2:
key,value = line_data
if key and value:
send_data[key] = value
response = requests.get(url,headers=headers,params=send_data)
json_data = response.json()['list']
for index,src in enumerate(json_data):
image_url = src['qhimg_url']
try:
image_name = './image/'+image_url[-8:]
request.urlretrieve(url=image_url,filename=image_name)
except Exception as e:
print(e)
else:
print('{} is download'.format(image_name))
运行效果如下:
实战:百度图片下载
import time
import requests
from urllib import request
url = 'http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E5%94%AF%E7%BE%8E&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=&ic=&hd=&latest=©right=&word=%E5%94%AF%E7%BE%8E&s=&se=&tab=&width=&height=&face=&istype=&qc=&nc=1&fr=&expermode=&selected_tags=&pn=30&rn=30&gsm=1e&1545019467831='
headers = {
'Referer': 'http://image.baidu.com/search/index?tn=baiduimage&ps=1&ct=201326592&lm=-1&cl=2&nc=1&ie=utf-8&word=%E5%94%AF%E7%BE%8E',
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36",
}
data_str = '''
tn: resultjson_com
ipn: rj
ct: 201326592
is:
fp: result
queryWord: 唯美
cl: 2
lm: -1
ie: utf-8
oe: utf-8
adpicid:
st:
z:
ic:
hd:
latest:
copyright:
word: 唯美
s:
se:
tab:
width:
height:
face:
istype:
qc:
nc: 1
fr:
expermode:
selected_tags:
pn: 30
rn: 60
gsm: 1e
1545019467831:
'''
send_data = {}
for line in data_str.splitlines():
line_data = line.split(': ')
if len(line_data) == 2:
key,value = line_data
if key and value:
send_data[key] = value
response = requests.get(url= url,headers = headers,params=send_data)
content = response.json()['data']
print(content)
num = 1
for index,src in enumerate(content):
img_url = src.get('middleURL')
if img_url:
name = './image/iamge_%s_%s.png'%('唯美',index)
try:
request.urlretrieve(url = img_url,filename=name)
except Exception as e:
print(e)
else:
print('%s is down'%name)
time.sleep(2)
接下来我们进行简单的封装:
from urllib import request
import requests,os,time
def get_image(keywords,num):
url = 'https://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E9%AC%BC%E5%88%80&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=-1&z=&ic=&hd=&latest=©right=&word=%E9%AC%BC%E5%88%80&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1&fr=&expermode=&force=&pn=150&rn=30&gsm=96&1545877953682='
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36',
'Host': 'image.baidu.com',
'Referer': 'https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1545877913556_R&pv=&ic=&nc=1&z=&hd=&latest=©right=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&hs=2&word=%E9%AC%BC%E5%88%80',
}
data = '''
tn: resultjson_com
ipn: rj
ct: 201326592
is:
fp: result
queryWord: 鬼刀
cl: 2
lm: -1
ie: utf-8
oe: utf-8
adpicid:
st: -1
z:
ic:
hd:
latest:
copyright:
word: 鬼刀
s:
se:
tab:
width:
height:
face: 0
istype: 2
qc:
nc: 1
fr:
expermode:
force:
pn: 30
rn: 30
gsm: 96
1545877953682:
'''
sendData = {}
send_data = data.splitlines()
try:
for i in send_data:
data_list = i.split(': ')
if len(data_list) == 2:
key,value = data_list
if key and value:
sendData[key] = value
except Exception as e:
print(e)
sendData['word'] = sendData['queryWord'] = keywords
sendData['rn'] = str(30*num)
response = requests.get(url=url,headers=headers,params=sendData)
content = response.json()['data']
for index,src in enumerate(content):
# index =str(index).zfill(2)
image_url = src.get('middleURL')
if os.path.exists('image')
pass
else:
os.mkdir('image')
if image_url and os.path.exists('image'):
name = './image/image_%s_%s.png'%(index,keywords)
try:
request.urlretrieve(url=image_url,filename=name)
except Exception as e:
print(e)
else:
print('%s is download'%name)
time.sleep(1)
# print(content)
if __name__ == '__main__':
keywords = input('请输入你要的内容:')
num = int(input('请输入你想要的数量:'))
get_image(keywords,num)
运行结果如下:
时间有限,该下班了,我就写到这里,封装的并不是很完美,但是我需要下班,放飞下自我喽~
生命诚可贵,爱情价更高,若为自由故,两个皆可抛
-----Smile Mr