@H_419_1@1.1 获取页面信息
代码截图
@H_419_1@1.2 发现获取页面内容出现乱码
@H_419_1@运行获取页面源码乱码截图
@H_419_1@1.3 分析页面信息得原页面编码为：`gb2312`,修改获取内容编码
分析页码源码乱码
解决源码乱码情况
@H_419_1@2.1 主页面源码已经获取到了，那我们到网页里看看源码的效果图吧
@H_419_1@进群：548377875 即可获取数十套pdf哦！
爬取页面web端效果图
有没有让你看的怦然心动，我是觉得清纯的妹纸挺好的。
@H_419_1@2.2 爬取方式：简单 or 困难
爬取方式分析
@H_419_1@3.1 从简单开始：首先我们要获取这个页面上的所有妹纸图的链接（一个妹纸有多张艺术照），然后向网站发送相应链接的请求，浏览器内按F12，进入开发者模式，小箭头选择想要的信息所在处。
页面分析获取内容所在
@H_419_1@3.2 分析我们拿到的页面源码，采用正则表达式获取相关内容
源码分析采用什么正则匹配
@H_419_1@3.3 正则表达式获取首页所有妹纸图的网址和简介
1'''
2author : 极简XksA
3data : 2018.8.8
4goal : 分类爬取beautiful picture，保存到本地
5'''
6import re
7import requests
8# 爬取主页面：http://www.27270.com/ent/meinvtupian/
9
10# 1. 发送http请求，获取主页面内容
11r_url = 'http://www.27270.com/ent/meinvtupian/'
12HTML_code = requests.get(r_url)
13# 2. 设置页面编码为 gb2312
14HTML_code.enCoding = 'gb2312'
15HTML_text = HTML_code.text
16# 3.1 获取链接
17pattern01 = r' '
18beautiful_url = re.findall(pattern01,HTML_text)
19print(beautiful_url)
20print(len(beautiful_url))
21# 3.2 获取简介
22pattern02 = r''
23beautiful_words = re.findall(pattern02,HTML_text)
24print(beautiful_words)
25print(len(beautiful_words))
@H_419_1@运行结果：
230
@H_419_1@3.4 请求单个页面,正则匹配图片url
@H_419_1@3.4.1 页面分析
单组照片页面分析
@H_419_1@3.4.2 代码实现
1for i in range(len(beautiful_url)):
2 # 4.1 请求单个页面
3 picture_codes = requests.get(beautiful_url[i])
4 picture_codes.enCoding = 'gb2312'
5 picture_words = picture_codes.text
6 # 4.2 在页面中找到图片url
7 # print(picture_words)
8 pattern03 = r''%beautiful_words[i]
9 picture_url = re.findall(pattern03,picture_words)
10 print(picture_url)
@H_419_1@3.4.3 运行结果
1# 这里获取的并不是全部，而是每个妹纸的第一张图
2['http://t2.hddhhn.com/uploads/tu/201803/9999/f45065ed61.jpg']，['http://t2.hddhhn.com/uploads/tu/201803/9999/9126579004.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/320ab4622e.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/1fde4d7a1f.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/ef21eaa896.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/e1697062d3.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/419c69bec1.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/4302dc643c.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/df7ff261b0.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/b7b870636f.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/11ec3cf8b2.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/10a0a11a02.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/53e4e2717c.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/7431e6e040.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/228cf34f62.jpg']，
3['http://t2.hddhhn.com/uploads/tu/201807/9999/a9b7d62201.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/ba91f1e60e.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/76da610fa9.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/3ed260e5ae.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/3d93b5fd09.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/280277b310.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/b69662e2d9.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/fbf7a9178b.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/3f9a20a7da.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/691c12fa18.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/249d3362c4.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/29ea1b5fb7.jpg']，['http://t2.hddhhn.com/uploads/tu/201807/9999/db087ab231.jpg']，['http://t2.hddhhn.com/uploads/tu/201803/9999/1a9b5f8522.jpg']，['http://t2.hddhhn.com/uploads/tu/201803/9999/9b597acb26.jpg']
@H_419_1@3.5 每个妹纸页面内翻页，爬取所有的图片地址
@H_419_1@3.5.1 页面分析
页面翻页分析
我们只用获取网页内代码即可实现页面翻转（即跳转url）
@H_419_1@3.5.2 代码实现
1# 4.3 翻页爬取
2# 4.3.1 获取翻页链接
3pattern04 = r".*?"
4pictures_url = re.findall(pattern04,picture_words)
5print(pictures_url)
6print(pattern03)
7# 4.3.2 翻页，获取图片地址
8for j in range(len(pictures_url)):
9 other_picture_url = r'http://www.27270.com/ent/meinvtupian/2018/{0}'.format(pictures_url[j])
10 pictures_codes = requests.get(other_picture_url)
11 pictures_codes.enCoding = 'gb2312'
12 pictures_words = pictures_codes.text
13 picture_02 = re.findall(pattern03,pictures_words)
14 picture_address.append(picture_02)
15print(picture_address)
@H_419_1@3.5.3 运行结果
1['261848_2.HTML','261848_3.HTML','261848_4.HTML','261848_5.HTML','261848_6.HTML','261848_7.HTML','261848_8.HTML']
2
3[['http://t2.hddhhn.com/uploads/tu/201803/9999/f45065ed61.jpg'],['http://t2.hddhhn.com/uploads/tu/201803/9999/88e0742045.jpg'],['http://t2.hddhhn.com/uploads/tu/201803/9999/c8d4eba79b.jpg'],['http://t2.hddhhn.com/uploads/tu/201803/9999/78e50b4522.jpg'],
4['http://t2.hddhhn.com/uploads/tu/201803/9999/c435bee80c.jpg'],['http://t2.hddhhn.com/uploads/tu/201803/9999/c8411d490e.jpg'],['http://t2.hddhhn.com/uploads/tu/201803/9999/0e7442531e.jpg'],['http://t2.hddhhn.com/uploads/tu/201803/9999/7aff8c935f.jpg']]
@H_419_1@3.6 下载图片
@H_419_1@3.6.1 专门写个下载图片函数
1# 下载图片函数
2'''
3folder_name : 分类文件夹名称，按图片简介
4picture_address ： 一组图片的链接
5'''
6def download_pictures(folder_name,picture_address):
7 file_path = r'G:Beautiful{0}'.format(folder_name)
8 if not os.path.exits(file_path):
9 # 新建一个文件夹
10 os.mkdir(os.path.join(r'G:Beautiful',folder_name))
11 # 下载图片保存到新建文件夹
12 for i in range(len(picture_address)):
13 # 下载文件（wb,以二进制格式写入）
14 with open(r'G:Beautiful{0}{1}.jpg'.format(folder_name,i+1),'wb') as f:
15 # 根据下载链接，发送请求，下载图片
16 response = requests.get(picture_address[i][0])
17 f.write(response.content)
@H_419_1@3.6.2 运行结果
运行结果
爬取结果（文字有点露骨）
单组皂片示例，看图片大小，挺清晰的
@H_419_1@4. 上面只是爬取了主页面的所有妹纸图片，如何实现在主页面翻页呢？
希望大家根据在单个妹子网页翻页的方法（3.5），自己动手写出如何在主页面翻页，爬取更多妹纸图！
实现下图页面翻页
总结
以上是内存溢出为你收集整理的从零基础开始教你爬取全网妹子图！难道你就不想在室友面前装逼？全部内容，希望文章能够帮你解决从零基础开始教你爬取全网妹子图！难道你就不想在室友面前装逼？所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）