python爬虫抓取javascript python爬虫抓取图片数据

前期回顾，关于python基础知识以及爬虫基础我们可以看 ——> python学习手册，网络安全的小伙伴千万不要错过。

图片爬取思路

学会这一技能需要我们会python基础，xpath解析，其用来解析出网页中图片所在的地址。解析出来地址就需要我们保存图片了。那如何将一张张图片保存下来了？我们可以使用requests的响应对象属性content来获取图片的二进制数据。接着就使用with open()函数进行保存就行了，这样一张图片就获取到了。是不是很简单了！

1. 获取网页源代码
2. 解析出图片地址
3. 获取图片二进制数据 requests.get(xx).content
4. 生成图片名称
5. 设置图片的保存地址=文件地址+图片名称
6. 保存图片 with open(图片保存地址,'wb') as f:

思路分析

网站地址为：4K美女壁纸_高清4K美女图片_彼岸图网

1. xpath提取图片地址

 如下查看元素我们发现，所有的图片地址都是包含在一个个的li标签中，li标签中又有a标签和img标签，而图片地址就为img标签中的src的属性值，所以我们提取出属性值就能将图片地址获取。

但是这样只是获取到的略缩图的地址，我们点击图片进行后发现存在比原来图片像素更高的图片。所以我们这里就获取更加高清的美女图片。

所以接下来就分析略缩图与其高清图之间的关系。我们发现略缩图中href的属性值就是请求高清图所在页面的地址。所以我们这里将href属性值获取然后向其发送请求就能获取到高清图所在源码，然后用xpath将高清图下载地址提取出来，就能够成功下载了。

 代码编写

import requests
import os
from lxml import etree

headers={
    'User-Agent':'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.75 Mobile Safari/537.36'
}

#实现爬取前10页略缩图片地址，并存放在列表中
def lue():
    list_lue = []
    for i in range(1,11):    
        if i > 1:
            url = f'https://pic.netbian.com/4kmeinv/index_{i}.html'
        else:
            url = 'https://pic.netbian.com/4kmeinv/index.html'
        response_text = requests.get(url,headers=headers,timeout=15).text

        #实例化etree对象
        tree = etree.HTML(response_text)
        #提取出高清图所在页面地址
        r = tree.xpath('//ul[@class="clearfix"]/li/a/@href') 
        for i in r:
            list_lue.append(i)
    return list_lue
#获取高清图下载地址及名称
def gao(b):
    if not os.path.exists('./高清美女'):
            os.mkdir('./高清美女')
    for i in b:
        url = "https://pic.netbian.com"+i    #高清图所在页面地址
        response = requests.get(url=url,headers=headers,timeout=15)
        response.encoding = 'gbk'     #解决中文乱码
        response_text = response.text
        response_text
        tree = etree.HTML(response_text)
        #最终高清图的下载地址
        img_src = 'http://pic.netbian.com'+ tree.xpath('//div[@class="photo-pic"]/a/img/@src')[0]
        #图片名
        img_name = tree.xpath('//div[@class="photo-pic"]/a/img/@title')[0]
        #获取图片二进制数据
        img_content = requests.get(img_src,headers=headers,timeout=3).content
        img_path = './高清美女/'+img_name+'.jpg'
        with open(img_path,'wb') as f:
            f.write(img_content)
        print(img_name+'.jpg下载完毕')
    print("美女图片全部下载完毕！")
    
def main():
    b = lue()
    gao(b)
if __name__ == '__main__':
    main()

 

 欢迎有志青年和我一起学习