Python 爬虫校花网[通俗易懂]

全栈程序员-用户IM • 2022年8月4日下午10:46 • 未分类

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