明天就是1024了，Python前来报到！爬取全网M子图片！

今天是1024程序员节，不得整点活~
虽然不太好教爬1024，但是可以爬点其它的！
比如妹子图，这不都是各位喜欢的~

代码流程
模拟浏览器向服务器发送一个http请求，网站接收到请求后返回数据。
在写爬虫代码的时候一定先要去模拟浏览器访问，因为现在的网站当接收到http请求后会校验当前请求是否是一个浏览器，如果是，允许访问，如果不是，禁止访问！

环境啥的我就不说了，还是老样子~

首先把我们要用的包导进去

import os
# 自动创建文件夹
import requests
# requests 爬虫包 需要下载 pip install requests
from bs4 import BeautifulSoup
# 网页选择器 pip install bs4

 

然后我们就要开始模拟浏览器

headers = {
    'user-agent':
        'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36',

    # 反盗链
    'referer': 'https://www.mzitu.com/'
}

 

既然我们要下载，当然要有文件夹去保存对吧，这里就实现自动创建文件夹，不用我们去额外创建。

def get_girls(url):
    # 自动创建文件夹
    if not os.path.exists('./学习资料/'):
        os.mkdir('./学习资料/')

 

当然，为了不让你的小秘密被别人看到，咱们这里就把它命名为学习资料吧~

我们现在来发送请求，http协议中 有几种请求方法：

• get 获取数据
• post 数据提交 [账号密码提交]

    html = requests.get(url, headers=headers).text

print(html)

对刚刚抓取到的数据进行二次筛选

需要两个参数，想要二次提取的网页 html变量临时保存了。
html解析库 lxml pip install lxml
html解析库可以将html代码转成我们的python对象

 soup = BeautifulSoup(html, 'lxml')

 

通过刚刚分析得出一个结论，一张图片是由img标签保存的，li标签包含一个img标签。如果我们获取了所有的li标签，相当于获取到了所有的img标签，因为一个ul标签包含了所有的li标签，所以获取一个ul就相当于获取到了所有的li标签。

遍历所有的li标签

all_list = soup.find('ul', id='pins').find_all_next('li')

for _ in all_list:
   girl_title = _.get_text()
   girl_url = _.find('img')['data-original']
   print(girl_title, girl_url)

 

这个时候就可以开始下载了

response = requests.get(girl_url, headers=headers)
fileName = girl_title + '.jpg'
print('正在保存图片:', girl_title)
with open('./学习资料/' + fileName, 'wb') as f:
f.write(response.content)

 

当然，只下载一页的话当然不过瘾，咱们这里就来实现翻页下载，当然，别爬多了，克制一下自己。
代码虽好，但还是要克制一下自己哟~

for page in range(1, 256):
    url = 'https://www.mzitu.com/page/%s' % page
    get_girls(url)

 

你要下载多少页，直接改成多少页就好了。

兄弟们学习python，有时候不知道怎么学，从哪里开始学。掌握了基本的一些语法或者做了两个案例后，不知道下一步怎么走，不知道如何去学习更加高深的知识。
那么对于这些大兄弟们，我准备了大量的免费视频教程，PDF电子书籍，以及视频源的源代码！
还会有大佬解答！
包括本文源代码、对应视频都在这里了 点击蓝色字体即可获取这些福利
欢迎加入，一起讨论 一起学习！

我们看看结果

只能打码了，委婉一点。
文件夹我也不打开了，大家等下自己去试试，然后再慢慢打开把哈哈~

兄弟们，如果看完了感觉还过的去的话，记得来个三连，你的三连就是我最大的动力！
有啥问题和建议都可以在评论区一起交流~