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,下载 src 属性指向图片(不考虑动图)
通过 AipFace 请求对图片进行人脸检测
判断是否检测到人脸,并使用 『4 检测过滤条件』过滤
将过滤后的图片持久化到本地文件系统,文件名为 颜值 + 作者 + 问题名 + 序号
返回第一步,继续
7 抓取结果
直接存放在文件夹中(angelababy 实力出境)。另外说句,目前抓下来的图片,除 baby 外,88 分是最高分。个人对其中的排序表示反对,老婆竟然不是最高分
代码
9 运行准备安装 Python 3,Download Python
安装 requests、lxml、baidu-aip 库,都可以通过 pip 安装,一行命令
申请百度云检测服务,免费。人脸识别-百度AI
小编这里有一套Python自学从入门到精通的全套视频学习资料,现在免费分享给大家
获取方式:转发此文+关注 并 私信小编 “ 学习”,即可免费获取哦!
2019年最新python教程
如果你处于想学python或者正在学习python,python的教程不少了吧,但是是最新的吗?
说不定你学了可能是两年前人家就学过的内容,在这小编分享一波2019最新的python全套教程最后小编为大家准备了6月份新出的python自学视频教程,共计约200G,免费分享给大家!
2019Python自学教程全新升级为《Python+数据分析+机器学习》,七大阶段能力逐级提升,打造技能更全面的全栈工程师。
阶段一:Python基础知识和高级特性Python语法基础Python字符串解析Python时间和日历Python文件操作Python面向对象并发编程函数式编程正则表达式设计模式排序算法异常模块
阶段二:Linux基础shell操作系统管理常见Linux系统HDFS搭建
阶段三:数据库原理和sql优化Linux下MySQL数据库数据库设计和SQL标准Python数据库操作的库Linux下MongoDB非关系型数据库SQL优化和数据库优化ORM对象关系映射基本思想
阶段四:前端web开发HtmlCSSPC端页面开发实战流程Bootstraphtml5和css3JavaScriptJQuery
阶段五:Python Web后端开发Django 框架开发Nginx配置和uWSGI部署RESTful接口开发Flask框架开发电商平台项目BBS论坛系统
阶段六:爬虫和数据分析第一个Python网络爬虫专业HTTP分析工具Fiddler的使用实际爬虫Python编码问题urllib2 的使用TesseractOCR语言模型爬取使用带验证码登录的网站Beautiful SoupXPath & CSS选择器PhantomJSSelenium WebdriverScrapy大型框架使用代理服务器爬取Scrapy分布式集群多代理爬虫Redis分布式集群Redis MongoDB在爬虫里的应用数据分析工具与模块
阶段七:Python人工智能机器学习深度学习