python爬虫——彼岸图网

目标网址：https://pic.netbian.com/
4K壁纸：https://pic.netbian.com/e/search/result/?searchid=1224
找来练手，如有侵权，请联系删除！
参考博客链接：

https://blog.csdn.net/qq_43017750/article/details/96714797?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7ERate-1.pc_relevant_default&utm_relevant_index=2

（一）获取目标位置

如何得到每张图片的具体位置呢？
首先找到在哪一个分页，打开页面，F12查看源码：

在代码上面停放，即可查看目标文件：

我们可以看到每个代码对应的文件：


点击4K图片：


第二页：

https://pic.netbian.com/e/search/result/index.php?page=1&searchid=1224

第三页：

https://pic.netbian.com/e/search/result/index.php?page=2&searchid=1224

第四页：

https://pic.netbian.com/e/search/result/index.php?page=3&searchid=1224

我们发现：就只有“page=1”后面跟的页数发生了变化
若要打开第n页：

https://pic.netbian.com/e/search/result/index.php?page=n-1&searchid=1224

我们尝试以下地址是否是第一页地址：

https://pic.netbian.com/e/search/result/index.php?page=0&searchid=1224

我们发现确实没有问题。
我们把打开主页面的url叫做主页面url。
现在点击图片，打开图片详情页。一般我们把图片详情页叫做子页面，子页面的url叫做子url。
演示使用的url是：https://pic.netbian.com/tupian/28839.html
我们看到了一个url：

/uploads/allimg/220206/225811-16441594914f70.jpg

发现这个url不是一个完整的url。证明还需要知道一个主url。
注意：这里说的是主url，不是打开主页面的主页面url。一般网站的主url，就是网站的网址。
比如说当前的这个网站的网址是：http://pic.netbian.com，那么这个主url就是：http://pic.netbian.com
我们把主url和图片的url拼接到一起得到一个完整的url。

http://pic.netbian.com/uploads/allimg/220206/225811-16441594914f70.jpg

在浏览器中验证该url：

证明url没问题。现在再去确认这个url是本来就存在于网页代码中，还是js加载出来的。
先返回子页面：
接着在按【ctrl】+【u】,打开网页的源代码：

这么多，一行一行的找肯定不现实，我们使用页面查找功能，按【ctrl】+【F】调出查找功能。
在输入框中输入我们之前提取出来的图片url：

/uploads/allimg/220206/225811-16441594914f70.jpg

按确认进行查找。

可以证明图片的url就是存在于网页代码中的。

（二）编写代码：

爬虫实际上就是我们写代码，模拟浏览器的行为，我们写的应用程序，被看作一个浏览器，它就像是一个不需要会员的浏览器。

（1）要用到的库：

1.requests
2.Pillow
3.lxml

（2）代码说明：

（1）.要爬取从第几页开始的连续几页，就在主函数中修改GetPageURL(root,start,counts)中start和counts的值。

（2）.自己改存放路径，windows下文件操作的路径是\而非\，前面的\是转义字符，后面的\是文件路径标识。

（3）.图片的名字都是[0-9]*.jpg的格式，有兴趣的可以自己把大图的名字也爬下来设置为图片名称。

（4）.高清原图需要登录，留坑.

（3）源代码：

在代码根目录文件夹中创建一个存放图片的文件夹：picture

先测试以下是否能正常获取目标网页源码：

# -*- coding:utf