新的一年嘚拥有新的壁纸了，python批量采集高清壁纸

最新推荐文章于 2024-04-24 10:36:18 发布

「已注销」

最新推荐文章于 2024-04-24 10:36:18 发布

阅读量729

点赞数 2

分类专栏：爬虫小案例文章标签： python pycharm 开发语言学习

本文链接：https://blog.csdn.net/weixin_62853513/article/details/128505417

版权

爬虫小案例专栏收录该内容

116 篇文章 42 订阅

订阅专栏

前言

大家早好、午好、晚好吖 ❤ ~

新的一年不得需要新的壁纸？今天我们就来采集一下

请添加图片描述

环境使用:

Python 3.8 解释器
Pycharm 编辑器

第三方模块

import requests >>> pip install requests

如何安装python第三方模块:

win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
在pycharm中点击Terminal(终端) 输入安装命令

实现基本思路:

一. 数据来源分析

明确需求:
- 采集的网站是什么?
- 采集的数据是什么?
  - 图片链接
  - 图片名字
通过开发者工具抓包分析, 图片链接/图片名字数据内容在哪里可以获取到

<由小到大先分析一张图片数据在什么地方, 再分析如何获取多张图片>

图片地址: 分析从哪生成的
- 打开开发者工具: F12 / 鼠标右键点击检查选择network
- 刷新网页: 让本网页数据内容重新加载一遍
- 搜索数据来源: 复制关键参数, 直接进行搜索
  
  225102KgBdj 搜索这个内容 —>
主要改变的就是图片ID --> 如果你想要获取所有图片数据 —> 获取所有图片ID

图片ID 都在目录页面有

目的获取图片链接/图片名字 —> 图片详情页 --> 获取图片ID --> 图片目录页面里面有

和正常访问网站观看图片一样的

二. 代码实现步骤: 基本四个步骤发送请求–>获取数据–>解析数据–>保存数据

获取图片ID:
1. 发送请求, 模拟浏览器对于url地址发送请求
  - 请求图片目录页面url
2. 获取数据, 获取服务器返回响应数据
  
  response 网页源代码
3. 解析数据, 提取我们想要的数据内容
  - 图片ID
获取图片链接/名字
1. 发送请求, 模拟浏览器对于url地址发送请求
  - 请求图片详情页页面url http://www.****.com/desk/{图片ID}.htm
2. 获取数据, 获取服务器返回响应数据
  
  response 网页源代码
3. 解析数据, 提取我们想要的数据内容
  - 图片链接
  - 图片名字
保存数据
1. 保存数据, 保存本地文件夹

代码展示

# 导入数据请求模块 --> 第三方模块, 需要安装 pip install requests
import requests
# 导入正则模块 --> 内置模块, 不需要安装
import re

“”"

发送请求, 模拟浏览器对于url地址发送请求
- 模拟浏览器 <反爬处理> 请求头 <字典数据类型>
  
  如果你不伪装, 可能会被识别出来是爬虫程序, 从而得到数据内容
  
  可以直接复制粘贴 --> 开发者工具里面就可以复制
- <Response [200]> 响应对象
  
  Response: 中文意思–>响应
  
  <>: 表示对象
  
  200: 状态码表示请求成功
  
  发送请求, 请求成功了

“”"

for page in range(2, 11):
    print(f'=================正在采集第{page}页的数据内容=================')

代码里网址就给大家屏蔽了，不然发不出来

完整代码有需要的可以文章下方名片获取哦~

（或者评论已点赞收藏，求代码，我私你呀）

请求图片目录页面url

    url = f'http://www.******.com/dongman/index_{page}.htm'

伪装模拟成浏览器

    headers = {
        # User-Agent 用户代理 浏览器基本身份信息
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
    }

发送请求

调用requests模块里面get请求方法, 对于url地址发送请求, 并且携带上headers请求头伪装, 最后用自定义变量名response接受返回的数据

    response = requests.get(url=url, headers=headers)

“”"

获取数据, 获取服务器返回响应数据

response 网页源代码

response.text 获取响应文本数据 <网页源代码>
解析数据, 提取我们想要的数据内容
- 图片ID
正则表达式Re

调用re模块里面findall方法 --> 找到所有我们想要的数据

re.findall(‘找什么数据’, ‘从哪里找’) --> 从什么地方, 去匹配找什么样的数据内容

从 response.text<网页源代码> 里面去找 <a href=“/desk/(\d+).htm” 其中 (\d+) 就是我们要的内容

\d+ 表示任意数字

“”"

提取图片ID --> 列表 <盒子/箱子> ‘29381’ 是列表<箱子>里面元素<苹果>

    img_id_list = re.findall('<a href="/desk/(\d+).htm"', response.text)

for循环遍历, 把列表里面元素一个一个提取出来

    for img_id in img_id_list:
        # img_id变量<袋子> 给 img_id_list 列表<盒子> 里面 元素<苹果> 给装起来
        print(img_id)

“”"

发送请求, 模拟浏览器对于url地址发送请求
- 请求图片详情页页面url http://www.******.com/desk/{图片ID}.htm
获取数据, 获取服务器返回响应数据

response 网页源代码

“”"
请求详情页链接 --> f’{img_id}’ 字符串格式化方法

        link = f'http://www.******.com/desk/{img_id}.htm'

发送请求

        response_1 = requests.get(url=link, headers=headers)

获取数据内容网页源代码 —> 乱码了, 进行转码

        response_1.encoding = 'gbk'

解析数据, 提取我们想要的数据内容<图片链接/图片标题>

        img_url, img_title = re.findall('<img src="(.*?)" alt="(.*?)"', response_1.text)[0]

保存数据 --> 先获取图片数据内容

        img_content = requests.get(url=img_url, headers=headers).content
        with open('img\\' + img_title + '.jpg', mode='wb') as f:
            f.write(img_content)
        print(img_url, img_title)