爬虫网易LOFTER图片(适用于类似网页,如百度贴吧 )

本文介绍了如何使用Python的Scrapy库爬取网易LOFTER网站的图片。文章适合类似网页结构的爬取,如百度贴吧。文中提到了常用的请求库requests和解析库lxml,以及网页数据提取的三种方式:正则表达式、XPath和BeautifulSoup。代码实现部分展示了Scrapy框架在爬虫项目中的应用。
摘要由CSDN通过智能技术生成

介绍:      

网易有一个图片社交网站叫LOFTER (乐乎),网站中有大量的晒图,其中不乏有各种“美好”的图片,当然我指的是摄影师的作品。通过爬虫来爬取乐乎网站的图片,网站链接:    http://www.lofter.com/   ,当然类似的这种网站结构都可以套用本文中的代码,只需在提取 规则上改动,如百度贴吧中的图片,壁纸图片网页。并且这些网站一般没有反爬虫机制,毕竟要考虑经济成本,本身就没哟什么数据价值的东西,索性随便爬吧。本例只是练习使用,并没有实际价值。

使用的库:

    发送请求常用的两个库:urllib2和requests,requests库时基于urllib3实现。

    通过lxml库来解析response:使用lxml前注意先确保html经过了utf-8解码,即code = html.decode('utf-8', 'ignore'),否则会出现解析出错情况。因为中文被编码成utf-8之后变成 '/u2541' 之类的形式,lxml一遇到 “/”就会认为其标签结束。因此还要导入urllib库进行Unicode转码。

    网页提取特定数据的方式:

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值