Python爬虫获取小姐姐靓照

漂亮小姐姐的照片应该没人不喜欢吧，今天学了这招以后想要多少要多少

第一步：现将python环境搭建好，工欲利其事必先利其器！
第二步：寻找目标网站，我选择的网站是http://www.win4000.com，里面有一个美女板块，里面有各种小姐姐的照片（你懂的）

第三步：分析目标网站的html源码及网页规则
通过分析我发现，该网页每个人物的每个图片都是
http://www.win4000.com/meinv1_2.html
http://www.win4000.com/meinv1_3.html
http://www.win4000.com/meinv2_1.html
http://www.win4000.com/meinv2_2.html
并且所有图片地址都存放在一个中

# coding:utf-8
from bs4 import BeautifulSoup   #引用BeautifulSoup库
import requests                 #引用requests
import os                       #os
root = 'D://img//'              #配置存储路径，我配置的是自己电脑中的D:/img文件夹
for page in range(1,1000):      #配置爬取页码，我这边配置的是1000个人的图片
    for p in range(1,20):       #配置爬取每个人多少张的参数，我这边配置的是每个人20张
        url = 'http://www.win4000.com/meinv'+str(page)+'_'+str(p)+'.html'
        r = requests.get(url)                       #使用requests中的get方法获取整个网页
        r.encoding='utf-8'                          #设定网页所使用的编码方式，错误的编码方式会导致乱码
        if r.status_code!=404:                      #判断生成后的链接是不是能访问，只有能访问才能爬取下载
            demo = r.text                           #将爬取后的对象通过text方法提取出所有的html
            soup = BeautifulSoup(demo, "html.parser")#使用BeautifulSoup库进行整合，第二个参数使用lxml一样的，lxml兼容性好较好，速度较快
            text = soup.find_all('img',class_ = 'pic-large')#选取整合后我们需要的部分内容，选取后的数据为list数组
            for img in text:
                imagr_url = img.get('data-original')        #取出img标签中data-original中的值
                file_name = root + imagr_url.split('/')[-1] #取出图片地址中文件及文件扩展名与本地存储路径进行拼接
                try:
                    if not os.path.exists(root):            #判断文件夹是否存在，不存在则创建文件夹
                        os.mkdir(root)
                    if not os.path.exists(file_name):       #判断图片文件是否存在，存在则进行提示
                        s = requests.get(imagr_url)         #通过requests.get方式获取文件
                        # 使用with语句可以不用自己手动关闭已经打开的文件流
                        with open(file_name, "wb") as f:  # 开始写文件，wb代表写二进制文件
                            f.write(s.content)
                        print("爬取完成")
                    else:
                        print("文件已存在")
                except Exception as e:
                    print("爬取失败:" + str(e))

哈哈哈哈大功告成，以下是成果展示

总结：
1、该方式爬取为单进程爬取，只能一张一张爬取
2、进行图片请求时一定要注意不要使用之前使用过的变量
3、细心、认真、不浮躁

这里多说一句，小编是一名python开发工程师，这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。想要这些资料的可以关注小编，并私信“01”即可领取。