图片数据的爬取

数据解析

基本步骤：

1.爬取页面源码数据

2.数据解析：解析出页面源码中图片的存储位置（此处初步使用了xpath方法爬取，具体方法见xpath文章），本次爬取的内容为'https://pic.netbian.com/4kmeinv/'图片网址中的图片内容。

3.创建保存图片的地址

4.持久化存储：建立循环，遍历每一张图片，并将每一张图片保存到本地

5.爬取出的文字存在编码问题时：在text后加上 ‘.encode('ISO-8859-1') ’改变编码格式即可，可以将格式编码改为“utf-8”等其它编码格式。

from lxml import etree
import requests
import os

if __name__ == '__main__':
    #爬取页面源码数据
    headers = {
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/117.0.0.0 Safari/537.36 Edg/117.0.2045.31'
    }
    url = 'https://pic.netbian.com/4kmeinv/'
    page_text = requests.get(url=url,headers=headers).text.encode('ISO-8859-1')
    
    #数据解析：src的属性值  alt的属性值
    tree = etree.HTML(page_text)
    li_list = tree.xpath('//div[@class = "slist"]//li')
    
    if not os.path.exists('./picLibs'):
        os.mkdir('./picLibs')
    for li in li_list:
        img_src = 'https://pic.netbian.com' + li.xpath('./a/img/@src')[0]
        img_name = li.xpath('./a/img/@alt')[0]+'.jpg'
        #持久化存储
        img_data = requests.get(url=img_src,headers=headers).content
        img_path = 'picLibs/' + img_name
        with open(img_path,'wb') as fp:
            fp.write(img_data)
            print(img_name,'下载成功')