文章目录
前言
从这篇文章开始,我们将通过连续的几篇文章来爬取某妹网(url :https://imoemei.com/)的所有小姐姐照片。借这个例子我们一起学习简易的python爬虫。
相关文章请看
思路分析
1.页面源码分析
由于上次我们已经把一个页面的小姐姐图片全部爬下来了,所以现在我们只需要获取每个页面的url,然后再每个页面都爬一次就OK了
说干就干!
首先我们先查看页面源码
发现一个url,点进去看看
结果只是封面。。。再找,发现它就在刚刚的封面上面!芜湖!
观察整个页面的代码
所有页面的url就放在这些li块中
那么我们只需通过与上篇文章类似的思路取出每个页面的url就大功告成!
2.爬虫思路
直接用request取到整个网页,再用BeatutifulSoup解析网页,取出所有的页面链接,再遍历链接,按照上篇文章的方法保存图片。
爬虫代码
1.开发环境
开发环境:win10 python3.6.8
使用工具:pycharm
使用第三方库:requests、os、BeatutifulSoup
2.代码分解
(1).引入库
import requests
import os
from bs4 import BeautifulSoup
(2)获取每个页面的地址
target_url = "https://imoemei.com/zipai/"
r = requests.get(url=target_url)
html = BeautifulSoup(r.text, 'html5lib')
b2_gap = html.find('ul', class_='b2_gap')
print(str(1) + "page is OK")
img_main = b2_gap.find_all('a', class_='thumb-link')
img_main_urls = []
for img in img_main:
img_main_url = img.get('href')
img_main_urls.append(img_main_url)
(3).获取每张图片的地址
for j in range(len(img_main_urls) + 1):
print(img_main_urls[j])
r = requests.get(url=img_main_urls[j])
html = BeautifulSoup(r.text, 'html5lib')
entry_content = html.find('div', class_='entry-content')
img_list = entry_content.find_all('img')
img_urls = []
num = 0
name = html.find('h1').text
print(name)
for img in img_list:
img_url = img.get('src')
result = requests.get(img_url).content
(4).保存图片到指定文件夹
path = '图片'
if not os.path.exists(path):
os.mkdir(path)
f = open(path + '/' + name + str(num) + '.jpg', 'wb')
f.write(result)
num += 1
print('正在下载{}第{}张图片'.format(name, num))
3.整体代码
import requests
import os
from bs4 import BeautifulSoup
target_url = "https://imoemei.com/zipai/"
r = requests.get(url=target_url)
html = BeautifulSoup(r.text, 'html5lib')
b2_gap = html.find('ul', class_='b2_gap')
print(str(1) + "page is OK")
img_main = b2_gap.find_all('a', class_='thumb-link')
img_main_urls = []
for img in img_main:
img_main_url = img.get('href')
img_main_urls.append(img_main_url)
for j in range(len(img_main_urls) + 1):
print(img_main_urls[j])
r = requests.get(url=img_main_urls[j])
html = BeautifulSoup(r.text, 'html5lib')
entry_content = html.find('div', class_='entry-content')
img_list = entry_content.find_all('img')
img_urls = []
num = 0
name = html.find('h1').text
print(name)
for img in img_list:
img_url = img.get('src')
result = requests.get(img_url).content
path = '图片'
if not os.path.exists(path):
os.mkdir(path)
f = open(path + '/' + name + str(num) + '.jpg', 'wb')
f.write(result)
num += 1
print('正在下载{}第{}张图片'.format(name, num))
爬取结果
这次爬取只爬了自拍分项下的第一页,下一篇文章我们将爬取所有分项的所有页面,敬请期待。