一、目标
爬取500px图片并保存
目标网址:https://500px.com.cn/community/discover
二、分析
2.1 网站分析:
经过研究发现该网站没有点击下一页的按钮,然后往下拖动下拉条直到最后,会自动刷新出新的内容,基本可以得出该网页是动态刷新的。
或者ctrl+U 打开页面源码,复制粘贴一张图片的地址,在源码中找不到对应的地址,也可以判断该页面为动态加载的。
2.2 反爬分析:
相同的IP爬取大量的图片可能会被反爬(频率反爬),故需要采用UA池
三、注意点:
1.一定要选取正确的网页接口,接口一般包含该网页的全部信息
2.找到接口并找到每张图片的对应地址后,发现该地址并不完整需要我们手动拼接一部分内容,此处为"!p4"或者"!a1"。
四、代码
import uuid
import requests
from fake_useragent import UserAgent
class Spider_Photoes(object):
def __init__(self):
ua = UserAgent()
self.url = 'h