python爬虫可以用html吗_Python 爬虫实战 (二): 使用 requests-html

Python 爬虫实战 (二): 使用 requests-html

Python 爬虫实战 (一): 使用 requests 和 BeautifulSoup , 我们使用了 requests 做网络请求, 拿到网页数据再用 BeautifulSoup 解析, 就在前不久, requests 作者 kennethreitz 出了一个新库 requests-html ,Pythonic HTML Parsing for Humans, 它可以用于解析 HTML 文档的 requests-html 是基于现有的框架 PyQueryRequestslxml 等库进行了二次封装, 更加方便开发者调用

安装Mac:

pip3 install requests-html

Windows:

pip install requests-html

实例

代码撸多了, 让我们看会妹纸, 爬的网站我选的是 http://www.win4000.com/zt/xinggan.html , 打开网站, 观察到这是个列表, 图片是缩略图, 要想保存图片到本地, 当然需要高清大图, 因此得进入列表详情, 进一步解析, 完整代码如下:fromrequests_htmlimportHTMLSession

importrequests

importtime

session=HTMLSession()

# 解析图片列表

defget_girl_list():

# 返回一个 response 对象

response=session.get('http://www.win4000.com/zt/xinggan.html')# 单位秒数

content=response.html.find('div.Left_bar',first=True)

li_list=content.find('li')

forliinli_list:

url=li.find('a',first=True).attrs['href']

get_girl_detail(url)

# 解析图片详细

defget_girl_detail(url):

# 返回一个 response 对象

response=session.get(url)# 单位秒数

content=response.html.find('div.scroll-img-cont',first=True)

li_list=content.find('li')

forliinli_list:

img_url=li.find('img',first=True).attrs['data-original']

img_url=img_url[0:img_url.find('_')]+'.jpg'

print(img_url+'.jpg')

save_image(img_url)

# 保持大图

defsave_image(img_url):

img_response=requests.get(img_url)

t=int(round(time.time()*1000))# 毫秒级时间戳

f=open('/Users/wuxiaolong/Desktop/Girl/%d.jpg'%t,'ab')# 存储图片, 多媒体文件需要参数 b(二进制文件)

f.write(img_response.content)# 多媒体存储 content

f.close()

if__name__=='__main__':

get_girl_list()

代码就这么多, 是不是感觉很简单啊

说明:

1requests-html 与 BeautifulSoup 不同, 可以直接通过标签来 find, 一般如下:

标签

标签. someClass

标签 #someID

标签 [target=_blank]

参数 first 是 True, 表示只返回 Element 找到的第一个, 更多使用: http://html.python-requests.org/ ;

2 这里保存本地路径

/Users/wuxiaolong/Desktop/Girl/

我写死了, 需要读者改成自己的

遗留问题

示例所爬网站是分页的, 没有做, 可以定时循环来爬妹纸哦, 有兴趣的读者自己玩下

来源: http://www.tuicool.com/articles/niuyyu6