爬虫初探（二）爬取动态网页照片存入本地

前言

本人初学爬虫练习写的爬虫代码，如有什么问题和建议，欢迎留言交流！

---

一、什么是动态网页？

• 静态网页：存粹的HTML格式的网页，没有后台数据库
  、不含程序和不可交互的网页；
• 动态网页：与静态网页相对的，可以跟后台数据库进行交互、数据传递。
• 最后，不要将动态网页跟页面是否有动感混为一谈，重点在于网页是否采用了动态网页技术，是否可以交互。

二、具体步骤

1. 如何爬取动态网页上的数据

• 对于静态网页，使用requests等库可以很方便的得到它的网页源码，然后提取出想要的信息。但是对于动态网页，情况就要复杂很多，这种页面的源码往往只有一个框架，其内容都是由JavaScript渲染出来的。这时候，我们就可以使用selenium来直接驱动浏览器进行爬取。

  selenium是一个自动化测试工具，利用它可以驱动浏览器进行一系列操作，并且可以得到当前呈现的网页的源码，对动态页面的爬取非常有效。

• 爬取动态网页上的数据，可分为两种情况：

1. 如果从爬取的HTML文件中分析得知，我们所爬取的文件的url跟页码有关系，我们可以根据规律自己构造url来爬取文件(下面的例子就是这一种情况)；
2. 如果从爬取的HTML文件中分析发现，文件url是固定不变的或者跟页码没有关系，这时候需要简单的模拟浏览器点击行为来请求网页再爬取，这种效率相对比较慢，不适合多页爬取的情况。

爬取动态网站的关键点是抓包分析。只要能从包中分析出关键的数据，剩下写爬虫的步骤就和写静态网页的爬虫一般无二了。

2.爬取网页数据需要用到的库

1. PhatomJS是一个没有界面的浏览器，用它来读取JS加载的页面，具体下载方式可百度，他不是python的第三方库，需要下载自己添加环境变量；当然也可以使用Chrome、firefox、IE等。
2. Selenium是python的第三方库，命令行输入：pip install selenium下载，它可以模拟用户对浏览器进行一些操作
3. Phatom JS + Selenium抓取动态网页
4. 使用requests库获取图片
5. 使用beautifulSoup解析抓取的网页内容
6. 使用os库创建文件和获取文件夹中的文件名称列表

代码如下（示例）：

import os
import requests
from bs4 import BeautifulSoup
from selenium import webdriver

# 网页url，该url和页码存在规律，下一页的url是将后面的offset=0改为offset=100，具体可自己测试
WEB_URL = 'https://music.163.com/#/artist/album?id=101988&limit=100&offset=0'
# 保存图片的文件夹
FOLDER_PATH = 'D:/BeautifulPicture'
# 应对服务器反爬机制（会根据User-Agent辨别是浏览器访问还是代码访问，代码访问会被拒绝，所以需要使用headers伪装一下）的请求头，这里我们用的是PhatomJS浏览器，所以不需要
HEADERS = {
   
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'}


class AlbumCover:
    def __init__