使用Python爬取小姐姐圖片（beautifulsoup法）

Posted on by

Python有許多強大的庫用於爬蟲，如beautifulsoup、requests等，本文將以網站https://www.xiurenji.cc/XiuRen/為例（慎點！！），講解網絡爬取圖片的一般步驟。
為什麼選擇這個網站？其實與網站的內容無關。主要有兩項技術層面的原因：①該網站的頁面構造較有規律，適合新手對爬蟲的技巧加強認識。②該網站沒有反爬蟲機制，可以放心使用爬蟲。

第三方庫需求

  •  beautifulsoup
  • requests

 步驟

打開網站，點擊不同的頁面：
發現其首頁是https://www.xiurenji.cc/XiuRen/，而第二頁是https://www.xiurenji.cc/XiuRen/index2.html，第三頁第四頁以此類推。為瞭爬蟲代碼的普適性，我們不妨從第二頁以後進行構造url。

在這裡插入圖片描述

選中封面圖片，點擊檢查：

在這裡插入圖片描述

可以發現，圖片的信息，都在'div',class_='dan'裡，而鏈接又在a標簽下的href裡。據此我們可以寫一段代碼提取出每一個封面圖片的url：

def getFirstPage(page):
  url='https://www.xiurenji.cc/XiuRen/index'+str(page)+'.html'#獲得網站每一個首頁的網址
  res=requests.get(url)#發送請求
  res.encoding="gbk"#設置編碼方式為gbk
  html=res.text
  soup=BeautifulSoup(html,features='lxml')
  lists=soup.find_all('div',class_='dan')#找到儲存每一個封面圖片的標簽值
  urls=[]
  for item in lists:
   url1=item.find('a').get('href')#尋找每一個封面對應的網址
   urls.append('https://www.xiurenji.cc'+url1)#在列表的尾部添加一個元素，達到擴充列表的目的，註意要把網址擴充完整
  return urls#返回該主頁每一個封面對應的網址

點擊封面圖片，打開不同的頁面，可以發現，首頁的網址是https://www.xiurenji.cc/XiuRen/xxxx.html，而第二頁的網址是https://www.xiurenji.cc/XiuRen/xxxx_1.html，第三第四頁同理。同樣為瞭普適性，我們從第二頁開始爬取。

在這裡插入圖片描述

右鍵，點擊“檢查”：

在這裡插入圖片描述

可以發現所有的圖片信息都儲存在'div',class_='img'中，鏈接、標題分別在img標簽中的src和alt中，我們同樣也可以將它們提取出來。

def getFirstPage(page):
  url='https://www.xiurenji.cc/XiuRen/index'+str(page)+'.html'#獲得網站每一個首頁的網址
  res=requests.get(url)#發送請求
  res.encoding="gbk"#設置編碼方式為gbk
  html=res.text
  soup=BeautifulSoup(html,features='lxml')
  lists=soup.find_all('div',class_='dan')#找到儲存每一個封面圖片的標簽值
  urls=[]
  for item in lists:
   url1=item.find('a').get('href')#尋找每一個封面對應的網址
   urls.append('https://www.xiurenji.cc'+url1)#在列表的尾部添加一個元素，達到擴充列表的目的，註意要把網址擴充完整
  return urls#返回該主頁每一個封面對應的網址

完整代碼

import requests
from bs4 import BeautifulSoup

def getFirstPage(page):
  url='https://www.xiurenji.cc/XiuRen/index'+str(page)+'.html'#獲得網站每一個首頁的網址
  res=requests.get(url)#發送請求
  res.encoding="gbk"#設置編碼方式為gbk
  html=res.text
  soup=BeautifulSoup(html,features='lxml')
  lists=soup.find_all('div',class_='dan')#找到儲存每一個封面圖片的標簽值
  urls=[]
  for item in lists:
   url1=item.find('a').get('href')#尋找每一個封面對應的網址
   urls.append('https://www.xiurenji.cc'+url1)#在列表的尾部添加一個元素，達到擴充列表的目的，註意要把網址擴充完整
  return urls#返回該主頁每一個封面對應的網址

def download(urls):
 for url1 in urls:
  print("prepare to download pictures in "+url1)
  getEveryPage(url1)#下載頁面內的圖片
  print("all pictures in "+url1+"are downloaded")
  
def getEveryPage(url1):
 total=0#total的作用：對屬於每一個封面內的圖片一次編號
 for n in range (1,11):#每一個封面對應下載10張圖，可自行調整
  temp=url1.replace('.html','')
  url2=temp+'_'+str(n)+'.html'#獲得每一內部頁面的網址
  res=requests.get(url2)
  res.encoding="gbk"
  html=res.text
  soup=BeautifulSoup(html,features='lxml')
  lists1=soup.find_all('div',class_='img')#儲存圖片的路徑
  
  for item in lists1:
   url=item.find('img').get('src')
   title=item.find('img').get('alt')#獲取圖片及其標題
   picurl='https://www.xiurenji.cc'+url#獲取完整的圖片標題
   picture=requests.get(picurl).content#下載圖片
   address='D:\pythonimages'+'\\'#自定義保存圖片的路徑
   with open(address+title+str(total)+'.jpg','wb') as file:#保存圖片
    print("downloading"+title+str(total))
    total=total+1
    file.write(picture)
    

if __name__ == "__main__":
 page=int(input('input the page you want:'))
 urls=getFirstPage(page)
 download(urls)

本文僅供學習參考，切勿用作其他用途！

到此這篇關於Python爬取小姐姐圖片（beautifulsoup法）的文章就介紹到這瞭,更多相關Python爬取小姐姐圖片內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：