前言

今天带大家采集一个二次元图片网站, 里面漂亮的小姐姐层出不穷，图片的数据量也是比较大的, 来一睹为快吧! !

 

开发环境介绍：

python 3.6
pycharm
requests
parsel
os

爬虫案例数据采集一般步骤:

1. 找数据对应的链接地址
2. 代码发送地址的请求
3. 数据解析<解析我们要的数据>
4. 数据保存(本地)

干货主要有：

① 200 多本 Python 电子书（和经典的书籍）应该有

② Python标准库资料（最全中文版）

③ 项目源码（四五十个有趣且可靠的练手项目及源码）

④ Python基础入门、爬虫、网络开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

1. 首先第一步，找到对应的链接地址

因为是静态网页，所以数据很容易就找到了

 

# url编码: 中文在请求和响应的时候转码, http协议默认不支持中文, 由 % 字母 数字
request_address = f'https://www.jdlingyu.com/tag/%e5%b0%91%e5%a5%b3/page/{page}'
# 代表浏览器身份标识
headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'}

2. 代码发送地址的请求

response = requests.get(url=request_address, headers=headers)
html_data = response.text  # 字符串 -- 正则
print(html_data)

请求一下，看看对不对

 

3. 数据解析<解析我们要的数据> html数据, xpath

selector = parsel.Selector(html_data)  # 转换数据类型

lis = selector.xpath('//div[@id="post-list"]/ul/li')  # 所有相册的标签

for li in lis:  # 一个一个操作相册标签对象
    pic_title = li.xpath('.//h2/a/text()').get()  # 相册标题
    pic_href = li.xpath('.//h2/a/@href').get()  # 相册地址
    print(pic_title, pic_href)

 

4. 保存数据

with open(f'img\{pic_title}\{pic_name}', mode='wb') as f:
    f.write(img_data)
    print('保存完成:', pic_name)

运行完整代码

 

 

出处：https://www.cnblogs.com/sn5200/p/15883788.html