python百行代碼實現(xiàn)漢服圈圖片爬取
平時旅游的時候,在旅游景區(qū)我們經(jīng)??梢钥吹酱└鞣N服飾去拍照的游客,也不會刻意多關(guān)注。前兩天瀏覽網(wǎng)頁無意看到一個網(wǎng)站,看到穿漢服的女孩是真的很好看。無論是工作需要還是創(chuàng)作文案,把這么漂亮的圖片來當作素材都是一個很好的idea。有需要,我們就爬它,爬它,爬它!
話不多說,我們下面詳細介紹圖片爬取。
分析網(wǎng)站
網(wǎng)址如下:
https://www.aihanfu.com/zixun/tushang-1/
這是第一頁的網(wǎng)址,根據(jù)觀察,第二頁網(wǎng)址也就是上述網(wǎng)站序號1變成了2,依次類推,就可以訪問全部頁數(shù)。
根據(jù)圖示,我們需要獲得每個子網(wǎng)站的鏈接,也就是href中網(wǎng)址,然后進入每個網(wǎng)址,尋找圖片網(wǎng)址,在下載就行了。
子鏈接獲取
為了獲取上圖中的數(shù)據(jù),我們可以用soup或者re或者xpath等方法都可以,本文中小編使用xpath來定位,編寫定位函數(shù),獲得每個子網(wǎng)站鏈接,然后返回主函數(shù),這里使用了一個技巧,在for循環(huán)中,可以看看!
def get_menu(url, heades): """ 根據(jù)每一頁的網(wǎng)址 獲得每個鏈接對應的子網(wǎng)址 params: url 網(wǎng)址 """ r = requests.get(url, headers=headers) if r.status_code == 200: r.encoding = r.apparent_encoding html = etree.HTML(r.text) html = etree.tostring(html) html = etree.fromstring(html) # 查找每個子網(wǎng)址對應的鏈接, 然后返回 children_url = html.xpath('//div[@class="news_list"]//article/figure/a/@href') for _ in children_url: yield _
獲取標題和圖片地址
為了盡量多的采集數(shù)據(jù),我們把標簽和圖片地址采集一下,當然如果其他項目需要采集發(fā)布者和時間,也是可以做到多的,本篇就不再展開。
我們點開一個網(wǎng)址鏈接,如上圖所示,可以發(fā)現(xiàn)標題在head的節(jié)點里面,獲取標題是為創(chuàng)建文件夾時使用。
代碼如下:
def get_page(url, headers): """ 根據(jù)子頁鏈接,獲得圖片地址,然后打包下載 params: url 子網(wǎng)址 """ r = requests.get(url, headers=headers) if r.status_code == 200: r.encoding = r.apparent_encoding html = etree.HTML(r.text) html = etree.tostring(html) html = etree.fromstring(html) # 獲得標題 title = html.xpath(r'//*[@id="main_article"]/header/h1/text()') # 獲得圖片地址 img = html.xpath(r'//div[@class="arc_body"]//figure/img/@src') # title 預處理 title = ''.join(title) title = re.sub(r'【|】', '', title) print(title) save_img(title, img, headers)
保存圖片
在翻轉(zhuǎn)每一頁時我們都需要把子鏈接對應的圖片保存下來,此處需要注意對請求的狀態(tài)判斷、路徑判斷。
def save_img(title, img, headers): """ 根據(jù)標題創(chuàng)建子文件夾 下載所有的img鏈接,選擇更改質(zhì)量大小 params:title : 標題 params: img : 圖片地址 """ if not os.path.exists(title): os.mkdir(title) # 下載 for i, j in enumerate(img): # 遍歷該網(wǎng)址列表 r = requests.get(j, headers=headers) if r.status_code == 200: with open(title + '//' + str(i) + '.png', 'wb') as fw: fw.write(r.content) print(title, '中的第', str(i), '張下載完成!')
主函數(shù)
if __name__ == '__main__': """ 一頁一頁查找 params : None """ path = '/Users/********/漢服/' if not os.path.exists(path): os.mkdir(path) os.chdir(path) else: os.chdir(path) # url = 'http://www.aihanfu.com/zixun/tushang-1/' headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)' ' AppleWebKit/537.36 (KHTML, like Gecko)' ' Chrome/81.0.4044.129 Safari/537.36'} for _ in range(1, 50): url = 'http://www.aihanfu.com/zixun/tushang-{}/'.format(_) for _ in get_menu(url, headers): get_page(_, headers) # 獲得一頁
至此我們已經(jīng)完成了所有環(huán)節(jié),關(guān)于爬蟲的文章,小編已經(jīng)不止一次的介紹了,一方面是希望大家可以多多熟悉爬蟲技巧,另外一方面小編認為爬蟲是數(shù)據(jù)分析、數(shù)據(jù)挖掘的基礎(chǔ)。沒有爬蟲獲取數(shù)據(jù),何來數(shù)據(jù)分析。
以上就是python百行代碼實現(xiàn)漢服圈圖片爬取的詳細內(nèi)容,更多關(guān)于python爬取漢服圈圖片的資料請關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
6行Python代碼實現(xiàn)進度條效果(Progress、tqdm、alive-progress
這篇文章主要介紹了6行Python代碼實現(xiàn)進度條效果(Progress、tqdm、alive-progress和PySimpleGUI庫),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2020-01-01CoAtNet實戰(zhàn)之對植物幼苗圖像進行分類(pytorch)
谷歌的最新模型CoAtNet做了卷積 + Transformer的融合,在ImageNet-1K數(shù)據(jù)集上取得88.56%的成績。本文主要介紹如何用CoAtNet實現(xiàn)植物幼苗圖像的分類。感興趣的小伙伴可以學習一下2021-12-12Python的PIL庫中g(shù)etpixel方法的使用
這篇文章主要介紹了Python的PIL庫中g(shù)etpixel方法的使用,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2020-04-04python threading和multiprocessing模塊基本用法實例分析
這篇文章主要介紹了python threading和multiprocessing模塊基本用法,結(jié)合實例形式詳細分析了Python中threading和multiprocessing模塊基本概念、功能、使用方法及相關(guān)操作注意事項,需要的朋友可以參考下2019-07-07python用fsolve、leastsq對非線性方程組求解
這篇文章主要為大家詳細介紹了python用fsolve、leastsq對非線性方程組進行求解,具有一定的參考價值,感興趣的小伙伴們可以參考一下2018-12-12pytorch獲取模型某一層參數(shù)名及參數(shù)值方式
今天小編就為大家分享一篇pytorch獲取模型某一層參數(shù)名及參數(shù)值方式,具有很好的價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12