【爬虫实战】手把手教你用Python爬取某图网4000张图片

最新推荐文章于 2024-05-13 01:13:57 发布

软件测试小dao

最新推荐文章于 2024-05-13 01:13:57 发布

阅读量6.9k

点赞数 45

分类专栏：软件测试测试工程师 python 文章标签：测试工程师软件测试 python 爬虫测试

本文链接：https://blog.csdn.net/m0_57162664/article/details/116569718

版权

软件测试同时被 3 个专栏收录

355 篇文章 15 订阅

订阅专栏

测试工程师

254 篇文章 8 订阅

订阅专栏

python

9 篇文章 0 订阅

订阅专栏

在这里插入图片描述

相信很多设计小伙伴有好的灵感，但是没有好的设计素材,今天它来了。摄图网4000张设计素材，取之不尽，如下图所示：
在这里插入图片描述
好了，废话不多说，开始用Python采集。

01需求分析

采集摄图网的素材图片，目标网址–>请求数据–>解析数据–>提取数据–>保存数据。

02技术栈

首先我们用到的技术包括：urllib，requests，bs4等。

03采集流程

加粗样式

1、分析网页结构

打开网址:https://699pic.com/paihang/tupian.html,分析网页结构,我们可以看到首页图片数据杂论,这里我们爬取的是"今日热门"的图片,点击发现更多:来到目标页面,拖动滚轮滑到底部,发现有40个分页,也就是我们今天要爬取的4000张设计图片：
在这里插入图片描述

2、发起请求

接着对列表中的每一条url进行遍历,然后发起请求：

for url in urllist: 
    resp = requests.get(url,headers=hd) 
    html = resp.content.decode('utf-8')

3、数据解析

得到了一个html对象,爬取页面数据信息后,需要对页面进行解析,这里我使用到的解析库是bs4(偏爱),当然xpath也是可以的。通过分析页面元素,我们发现每个翻页里面的图片都有这样的规律：
在这里插入图片描述
因此可以通过bs4的select方法抓取所有class='lazy’的img标签,得到一个列表,然后通过测试发现图片的链接存放在img标签的data-original属性里,通过img.attrs[‘data-original’]得到,再与’https:'进行字符串拼接,得到完整图片链接。

	for img in imgs: 
	           img_url = img.attrs['data-original'] 
	           total_url = base_http_str + img_url 
	           print(total_url) 
	           # print('--'*60) 
	           imgurllist.append(total_url)

4.提取保存数据

最后运用urllib中的urlretrive方法,把图片保存到本地。

def writeData(imgurllist): 
    for index,url in enumerate(imgurllist): 
        urllib.request.urlretrieve(url,'image/'+ '%s.png'%index) 
        print('第%s张图片下载完成'%index)

04运行爬虫

运行爬虫代码，效果如下：
在这里插入图片描述
图片就下载完成了，不过运用传统方法有点慢，下次试试多线程，提升爬虫效率。