主要步骤:

1.提示用户输入爬取的内容及页码。
2.根据用户输入,获取网址列表。
3.模拟浏览器向服务器发送请求,获取响应。
4.利用xpath方法找到图片的标签。
5.保存数据。
代码用面向过程的形式编写的。

关键字:requests库,xpath,面向过程

现在就来讲解代码书写的过程:
1.导入模块

import parsel  # 该模块主要用来将请求后的字符串格式解析成re,xpath,css进行内容的匹配
import requests  # 爬虫主要的包
from urllib.request import urlretrieve  # 本文用来下载图片
import os  # 标准库,本文用来新建文件夹

每个模块的作用都已经备注了。
2.提示用户输入内容和页数

if not os.path.exists("王一博图片"):
    os.mkdir("王一博图片")  # 判断有没有该文件夹,如果没有就创建改文件夹
k = input("请输入你想搜索的关键字:")
num = int(input("请输入你想搜索的页数:"))

3.准备好url和header

header = {"user-agent":
              "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Mobile Safari/537.36"
          }
base_url = "https://www.duitang.com/search/?kw=" + k + "&type=feed#!s-p"
title_url = []
n = 0

user-agent是服务器识别浏览器的重要参数,我们就用这个来蒙骗服务器,user-agent在浏览器里可以找到

那么现在我们就关注右边

这样header就找到了,注意要以字典的形式
4.发送请求

for i in range(num):
    title_url = base_url + str(i)
    respons = requests.get(title_url, headers=header).text
    html = parsel.Selector(respons)  # 解析数据 -- parsel  转化为Selector对象,Selector对象具有xpath的方法,能够对转化的数据进行处理
    pic_url = html.xpath('//div[@class="mbpho"]/a/img/@src').extract()

一切准备就绪后,就可以发送请求了。request.get.text返回的是网页的源代码,然后将源代码转换为Selector对象,再通过xpath的方法找到图片的网址。

5.保存数据
获取图片的图片的链接后,我们就可以保存了。

    for url in pic_url:
        n = n + 1
        file_path = "王一博图片" + '/' + str(n)+".jpg"
        urlretrieve(url, file_path)  # 下载图片,具体的用法可以去搜索下,很简单的
        print("第%d张图片下载成功" % n)

注意:这里的for循环是在上面的循环里嵌套的。
最后来看看全部的代码吧!

import parsel  # 该模块主要用来将请求后的字符串格式解析成re,xpath,css进行内容的匹配
import requests
from urllib.request import urlretrieve  # 本文用来下载图片
import os  # 标准库,本文用来新建文件夹

if not os.path.exists("王一博图片"):
    os.mkdir("王一博图片")  # 判断有没有该文件夹,如果没有就创建改文件夹
k = input("请输入你想搜索的关键字:")
num = int(input("请输入你想搜索的页数:"))
header = {"user-agent":
              "Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Mobile Safari/537.36"
          }
base_url = "https://www.duitang.com/search/?kw=" + k + "&type=feed#!s-p"
title_url = []
n = 0
for i in range(num):
    title_url = base_url + str(i)
    respons = requests.get(title_url, headers=header).text
    html = parsel.Selector(respons)
    pic_url = html.xpath('//div[@class="mbpho"]/a/img/@src').extract()
    # print(pic_url)
    for url in pic_url:
        n = n + 1
        file_path = "王一博图片" + '/' + str(n)+".jpg"
        urlretrieve(url, file_path)  # 下载图片,具体的用法可以去搜索下,很简单的
        print("第%d张图片下载成功" % n)

qi_gai Blogger