爬虫---xpath解析（爬取美女图片）

这个网页的代码结构。可以很好的拿来练手xpath解析。现在爬这个网站比较慢，有时还可能报错。代码没有问题，可以实现，也许是缺一些优化。等熟悉了再来优化。


代码中的处理中文乱码的方式划重点。一种是手动设定响应数据的编码格式，另一种是通用处理中文乱码解决方案。encode('iso-8859-1').decode('gbk') 用这个别忘了接收修改后的数据哦！

import requests
from lxml import etree
import os
if __name__ == "__main__":
    headers = {
        'Referer': 'http://pic.netbian.com/4kmeinv/index_2.html',
        'user_agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'
    }
    url='http://pic.netbian.com/4kmeinv/'
    #获取响应数据
    response = requests.get(url = url, headers = headers)

    #手动设定响应数据的编码格式
    # response.encoding = 'utf-8'
    page_text = response.text
    #实例化etree对象，并将页面数据加载到对象中
    tree = etree.HTML(page_text)

    #统一保存到文件夹中
    if not os.path.exists('./BeautyPhotos'):
        os.mkdir('./BeautyPhotos')

    #xpath解析，返回列表，存储的是li标签
    li_list = tree.xpath('//div[@class = "slist"]/ul/li')
    # print(li_list)
    for li in li_list:
        url = 'http://pic.netbian.com' + li.xpath('./a/img/@src')[0]
        title = li.xpath('./a/b/text()')[0] + '.jpg'
        #通用处理中文乱码的解决方案
        title = title.encode('iso-8859-1').decode('gbk')

        #存储图片
        img_data = requests.get(url = url,headers = headers).content
        img_path = 'BeautyPhotos/' + title
        with open(img_path,'wb') as fp:
            fp.write(img_data)
            print("保存成功！")