室友吃个泡面的时间,我用十几行Python代码下载了几千张手机壁纸

x33g5p2x  于2022-03-18 转载在 Python  
字(2.5k)|赞(0)|评价(0)|浏览(197)

手机壁纸电脑壁纸,对于广大男性同胞来说,最喜欢的不就是好看的么,十几行代码分分钟就下载一大堆,用都用不完,来吧,展示!

一、工善欲其事,必先利其器

1、开发环境

这里咱们使用Python环境,只要不是Python2就行,编辑器的话,使用pycharm,21版的有很多方便的工具,谁用谁知道,我就不 一 一 赘述了。
没有软件可以在官网下载也可以扫一下文章左侧或者最下面的码拿,还有pycharm永久使用的方法。

2、第三方模块

requests 
parsel

requests 是数据请求模块,parsel 是提取数据 解析的模块,直接pip安装即可

3、安装模块以及出现的问题

  1. 如果安装python第三方模块:

  2. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车

  3. 在pycharm中点击Terminal(终端) 输入安装命令

  • 安装失败原因:

  • 失败一: pip 不是内部命令
    解决方法: 设置环境变量

  • 失败二: 出现大量报红 (read time out)
    解决方法: 因为是网络链接超时, 需要切换镜像源
    清华:https://pypi.tuna.tsinghua.edu.cn/simple
    阿里云:http://mirrors.aliyun.com/pypi/simple/
    中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
    华中理工大学:http://pypi.hustunique.com/
    山东理工大学:http://pypi.sdutlinux.org/
    豆瓣:http://pypi.douban.com/simple/
    例如:pip3 install -i https://pypi.doubanio.com/simple/ 模块名

  • 失败三: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入
    解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好
    或者你pycharm里面python解释器没有设置好

二、流程

1、数据来源分析
爬取网站是什么,想要获取网站什么样数据内容;
比如爬取图片,从一张图片去分析;
通过开发者工具进行抓包分析,对比我们想要图片url地址一些参数;

2、爬虫代码实现步骤:
1).发送请求, 对于分析得到url地址发送请求

  • 请求网址
  • 请求方式
    请求头参数 >>> 伪装 可以把python代码伪装成浏览器(客户端)发送请求
    如果不进行伪装会有什么后果 >>> 不会给你返回你想要数据;

2).获取数据, 获取response服务器返回响应数据;
3).解析数据, 提取我们想要数据内容 图片url地址 以及 图片标题;
4).保存数据, 把图片数据保存到本地;

三、代码展示

1、导入模块

import requests
import parsel

2、发送请求

  • headers 请求头参数, 可以开发者工具里面直接进行复制, 其次headers字典数据类型, 键值对
  • user-agent: 用户代理表示浏览器基本身份标识
  • cookie: 用户信息, 检测用户是否有登陆账号
for page in range(2, 11):
    url = f'https://sj..com/woman/{page}.html'
    headers = {
        'cookie': 't=f2cf055ce8713058cbfdbd1561c38e86; r=1281; Hm_lvt_86200d30c9967d7eda64933a74748bac=1645625923,1646892448; Hm_lpvt_86200d30c9967d7eda64933a74748bac=1646894465',
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36'
    }
    response = requests.get(url=url, headers=headers)   #  <Response [200]> 返回响应对象 200状态码标识请求成功

3、 获取数据

获取服务器返回数据内容,获取响应对象文本数据 。

print(response.text)

字符串数据返回数据内容,和我们在开发者工具里面看到不一样 ,说明你被服务器识别出来是你爬虫程序, 所以他没有给你返回数据。

4、解析数据

css选择器 xpath re 三种解析方式都可以去用 选择最适合

css选择器: 根据标签属性提取数据内容

对于获取response.text 进行数据类型转换 转成 selector 对象

attr() 属性选择器 .egeli_pic_li .egeli_pic_dl dd a

img 都是定位标签, 告诉它是哪一个标签

img::attr(src) 取img标签里面的src属性数据getall() 获取所有标签内容数据 返回列表数据类型

selector = parsel.Selector(response.text)
src = selector.css('.egeli_pic_li .egeli_pic_dl dd a img::attr(src)').getall()
alt = selector.css('.egeli_pic_li .egeli_pic_dl dd a img::attr(alt)').getall()
for img_url, title in zip(src, alt):
    img_url = img_url.replace('edpic_360_360', 'edpic_source')

4、保存数据

img_content = requests.get(url=img_url, headers=headers).content  # 获取二进制数据内容
with open('img\\' + title + '.jpg', mode='wb') as f:
    f.write(img_content)
print(img_url, title)

四、效果展示

爬取效果


这下壁纸够用了


兄弟们,文章看累了,再给手也提供一点运动,帮我点个赞和收藏,下次更更有意思的。

相关文章