Python爬取高颜值美女（爬虫+人脸检测+颜值检测）

1 数据源

知乎话题『美女』下所有问题中回答所出现的图片

2 抓取工具

Python 3，并使用第三方库 Requests、lxml、AipFace，代码共 100 + 行

3 必要环境

Mac / Linux / Windows （Linux 没测过，理论上可以。Windows 之前较多反应出现异常，后查是 windows 对本地文件名中的字符做了限制，已使用正则过滤）

无需登录知乎（即无需提供知乎帐号密码）

人脸检测服务需要一个百度云帐号（即百度网盘 / 贴吧帐号）

4 人脸检测库

AipFace，由百度云 AI 开放平台提供，是一个可以进行人脸检测的 Python SDK。可以直接通过 HTTP 访问，免费使用。

5 检测过滤条件

过滤所有未出现人脸图片（比如风景图、未露脸身材照等）

过滤所有非女性（在抓取中，发现知乎男性图片基本是明星，故不考虑；存在 AipFace 性别识别不准的情况）

过滤所有非真实人物，比如动漫人物 （AipFace Human 置信度小于 0.6）

过滤所有颜值评分较低图片（AipFace beauty 属性小于 45，为了节省存储空间；再次声明，AipFace 评分无任何客观性）

6 实现逻辑

通过 Requests 发起 HTTP 请求，获取『美女』下的部分讨论列表

通过 lxml 解析抓取到的每个讨论中 HTML，获取其中所有的 img 标签相应的 src 属性

通过 Requests 发起 HTTP 请求