Python 爬虫 校花网[通俗易懂]

Python 爬虫 校花网[通俗易懂]爬虫:是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。福利来了校花网 ,首先说为什么要爬这个网站呢,第一这个网站简单爬起来容易,不会受到打击,第二呢你懂得…。1.第一步

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

 爬虫:是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。

 福利来了  校花网 ,首先说为什么要爬这个网站呢,第一这个网站简单爬起来容易,不会受到打击,第二呢 你懂得…。


 

1.第一步,需要下载爬虫所用

Requests模块,当安装Python的时候会自动安装上pip管理包工具,要是没有的话自己下载一下,地址

 

1.1  第二步打开的cmd 运行 pip install requests 命令,然后回车,会自动下载。

  Python 爬虫 校花网[通俗易懂]

 

2.打开你的Pycharm,引入你的requests包,requests模块是可以模拟发送请求的一个模块,也有其他模块比如:urllib、httplib、Queue…等等。

    另外 re 是正则模块,还有 os 对文件操作模块都引用上。

 

  Python 爬虫 校花网[通俗易懂]

3.然后定义一个方法SaveImage(),用户保存获取图片的方法。

  3.1 由于不可能保存一张图片,所以图片url和name都写成参数形式。

  3.2 with open as 关键字是对操作文件的一种封装,包括异常处理和释放资源都有 。

  3.3  write()  是写入二进制,所以 response.content 返回的是二进制。

Python 爬虫 校花网[通俗易懂]

 

 

4. 上面说到不可能只保存一直图片,所以要定义一个方法GetImage()获取当前页面所有图片的url和name。

    4.1 首页先Get请求校花网其中一个导航栏中的url。

    4.2 然后设置编码格式,可以右键在源代码中的 charset 查看,这里是 “gbk” 编码格式。

    4.3 然后使用正则的 findall()方法,参数是一个正则和一个网页源代码,用 page.text可以获取到,返回一个字典类型。

    4.5 然后循环打印 url和name,并调用上面写的保存图片的SaveImage()存起来。

Python 爬虫 校花网[通俗易懂]

 

5.到目前为止可以获取到整页的图片和名字了,那么有许多页怎么办呢,很简单….

  5.1 为什么要把第一页的url拿出来呢,因为是这个网站的第一页和其他页的url规则不一样,所以单独处理一下。

  5.2 然后for循环,循环 range(),这里 1,13 代表从1开始,到13前的一个数结束。

  5.3 在循环的过程中调用获取GetImage()方法.

  5.4 最后一步,每次循环的时候 使用 %s 占位符 改变翻页的url。然后Ctrl+Shift+F10 完成!

Python 爬虫 校花网[通俗易懂]

 

6. 然后把这些零碎的代码串起来就可以了。

  

 1 import requests,re,os
 2 
 3 #文件夹名称
 4 FileName= 'download'
 5 #保存图片
 6 def SaveImage(image,name="temp"):
 7     #图片存放路径
 8      fpath = os.path.join(FileName, name+'.jpg')
 9      response=requests.get("http://www.xiaohuar.com/d/file/"+image).content
10      #写入图片
11      with open(fpath+'.jpg', 'wb+') as f:
12          f.write(response)
13 
14 #获取当前页图片Url集合
15 def GetImage(fanyeUr):
16     #请求页面
17     page =requests.get(fanyeUr)
18     #设置编码
19     page.encoding='gbk'
20     #正则获取图片集合
21     imglist = re.findall('alt="(.*?)" src="/d/file/(.*?\.jpg)"', page.text)
22     #循环保存图片
23     for name,url in imglist:
24         print(url,name)
25         SaveImage(url,name)
26 
27 #判断文件夹是否存在
28 if not os.path.exists(os.path.join(os.getcwd(), FileName)):
29     #新建文件夹
30     os.mkdir(os.path.join(os.getcwd(),FileName))
31 
32 #请求第一页
33 fanyeUr='http://www.xiaohuar.com/p/suyan/index.html'
34 #循环翻页
35 for faye in range(1,13):
36     #获取翻页Url
37     GetImage(fanyeUr)
38     fanyeUr='http://www.xiaohuar.com/p/suyan/index_%s.html' % faye

 

7.查看效果完成,爬的照片就不贴了,好好学习,天天向上

Python 爬虫 校花网[通俗易懂]

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/167642.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • SMO算法最通俗易懂的解释

    SMO算法最通俗易懂的解释我的机器学习教程「美团」算法工程师带你入门机器学习已经开始更新了,欢迎大家订阅~任何关于算法、编程、AI行业知识或博客内容的问题,可以随时扫码关注公众号「图灵的猫」,加入”学习小组“,沙雕博主在线答疑~此外,公众号内还有更多AI、算法、编程和大数据知识分享,以及免费的SSR节点和学习资料。其他平台(知乎/B站)也是同名「图灵的猫」,不要迷路哦~SVM通常用对偶问题来求解,这…

  • MQTTnet 实现MQTT 客户端和服务端「建议收藏」

    MQTTnet 实现MQTT 客户端和服务端「建议收藏」服务端:classProgram{privatestaticMqttServermqttServer=null;staticvoidMain(string[]args){MqttNetTrace.TraceMessagePublished+=MqttNetTrace_Trace…

  • 数据处理之pandas库

    1.Series对象由于series对象很简单,跟数组类似,但多了一些额外的功能,偷个懒,用思维导图表示2.DaraFrame对象DataFrame将Series的使用场景由一维扩展到多维,

    2021年12月30日
  • 使用SpringBoot的@Async实现异步调用方法,以及自己开启新线程异步调用

    使用SpringBoot的@Async实现异步调用方法,以及自己开启新线程异步调用一.springboot的@Async注解实现异步要在springboot中使用异步调用方法,只要在被调用的方法上面加上@Async就可以了1.准备工作准备一个springboot工程,在Application类上加上EnableAsync注解开启异步/***@Author:zgd*@Date:18/09/1210:27*@Description:…

  • LaTex学习笔记——LaTeX公式换行

    LaTex学习笔记——LaTeX公式换行ps.  1、“\!”表示其前后字符之间无间隙       2、暂留       3、段落中的数学表达式应该置于(和), $和$ 或者begin{math}和end{math} 之间。       4、对于较大的数学式子,最好的方法是使用显示式样来排版:将它们放置于[和]或begin{displaymath}和end{displaymath}之间。这样排版出的公式是没有编号…

  • 局部敏感哈希(Locality-Sensitive Hashing, LSH)

    局部敏感哈希(Locality-Sensitive Hashing, LSH)

    2021年11月22日

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号