快捷導(dǎo)航

python百行代碼實(shí)現(xiàn)漢服圈圖片爬取

更新時(shí)間：2021年11月22日 17:25:29 作者：Python學(xué)習(xí)與數(shù)據(jù)挖掘

這篇文章主要為大家介紹了使用python百行代碼來(lái)實(shí)現(xiàn)漢服圈的圖片爬取，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步

平時(shí)旅游的時(shí)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(huì)刻意多關(guān)注。前兩天瀏覽網(wǎng)頁(yè)無(wú)意看到一個(gè)網(wǎng)站，看到穿漢服的女孩是真的很好看。無(wú)論是工作需要還是創(chuàng)作文案，把這么漂亮的圖片來(lái)當(dāng)作素材都是一個(gè)很好的idea。有需要，我們就爬它，爬它，爬它！

話不多說(shuō)，我們下面詳細(xì)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(yè)的網(wǎng)址，根據(jù)觀察，第二頁(yè)網(wǎng)址也就是上述網(wǎng)站序號(hào)1變成了2，依次類(lèi)推，就可以訪問(wèn)全部頁(yè)數(shù)。

在這里插入圖片描述

根據(jù)圖示，我們需要獲得每個(gè)子網(wǎng)站的鏈接，也就是href中網(wǎng)址，然后進(jìn)入每個(gè)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(lái)定位，編寫(xiě)定位函數(shù)，獲得每個(gè)子網(wǎng)站鏈接，然后返回主函數(shù)，這里使用了一個(gè)技巧，在for循環(huán)中，可以看看！

def get_menu(url, heades):
    """
    根據(jù)每一頁(yè)的網(wǎng)址
    獲得每個(gè)鏈接對(duì)應(yīng)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(gè)子網(wǎng)址對(duì)應(yīng)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(biāo)題和圖片地址

為了盡量多的采集數(shù)據(jù)，我們把標(biāo)簽和圖片地址采集一下，當(dāng)然如果其他項(xiàng)目需要采集發(fā)布者和時(shí)間，也是可以做到多的，本篇就不再展開(kāi)。

在這里插入圖片描述

我們點(diǎn)開(kāi)一個(gè)網(wǎng)址鏈接，如上圖所示，可以發(fā)現(xiàn)標(biāo)題在head的節(jié)點(diǎn)里面，獲取標(biāo)題是為創(chuàng)建文件夾時(shí)使用。

代碼如下：

def get_page(url, headers):
    """
    根據(jù)子頁(yè)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(biāo)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(yù)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(yè)時(shí)我們都需要把子鏈接對(duì)應(yīng)的圖片保存下來(lái)，此處需要注意對(duì)請(qǐng)求的狀態(tài)判斷、路徑判斷。

def save_img(title, img, headers):
    """
    根據(jù)標(biāo)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(biāo)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(yè)一頁(yè)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(yè)

至此我們已經(jīng)完成了所有環(huán)節(jié)，關(guān)于爬蟲(chóng)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(chóng)技巧，另外一方面小編認(rèn)為爬蟲(chóng)是數(shù)據(jù)分析、數(shù)據(jù)挖掘的基礎(chǔ)。沒(méi)有爬蟲(chóng)獲取數(shù)據(jù)，何來(lái)數(shù)據(jù)分析。

以上就是python百行代碼實(shí)現(xiàn)漢服圈圖片爬取的詳細(xì)內(nèi)容，更多關(guān)于python爬取漢服圈圖片的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: