用python一键爬取几千张表情包斗图，分分钟征服朋友圈所有好友

现在年轻人聊天，不带点表情包都不好意思说自己是年轻人， 表情包已然成为人与人聊天中不可缺少的部分。

 

刚认识的朋友丢几个表情包出去分分钟拉进关系，女朋友生闷气了整两个表情包开心一下，也可以化解尴尬，没时间打字整两张表情包，礼貌而不失尴尬。

 

一、欲扬先抑

准备工作很重要，先知道我们要干啥，用什么来做，怎么做，再去一步步实时，稳扎稳打。

开发环境配置

Python 3.6
Pycharm

 

打开你的浏览器搜索你要安装的软件名字

Python

后面带官方的就是官网了，但凡名字下方带了广告二字就别点，自信点，那就是广告。

直接点下面的 Python 3.10.2 下载最新版本即可，不用点那啥 Download

pycharm

随便点一个 Download
专业版社区版都OK

 

# 安装方法一个个写太久了，可以加下群
# Python学习交流1群：924040232
# Python学习交流2群：815624229
# 我还给大家准备了大量的Python学习资料，直接在群里就可以免费领取了。

 

模块安装配置

requests
parsel
re

 

打开电脑，按住win+r，输入cmd，回车，输入pip install （加上要安装的模块名），回车即可安装。

二、代码

目标：fabiaoqing
地址前面后面大家自己补全一下，包括后面代码里的，这应该没有不会的吧。

导入模块

import requests 
import parsel 
import re
import time

 

请求网址

url = f'fabiaoqing/biaoqing/lists/page/{page}.html'

 

请求头

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'
    }

 

返回网页源代码

response = requests.get(url=url, headers=headers)

 

解析数据

selector = parsel.Selector(response.text) # 把respons.text 转换成 selector 对象

 

第一次提取 提取所有的div标签内容

divs = selector.css('#container div.tagbqppdiv') # css 根据标签提取内容

 

通过标签内容提取他的图片url地址

img_url = div.css('img::attr(data-original)').get()

 

提取标题

title = div.css('img::attr(title)').get()

 

获取图片的后缀名

name = img_url.split('.')[-1]

 

保存数据

new_title = change_title(title)

 

对表情包图片发送请求 获取它二进制数据

img_content = requests.get(url=img_url, headers=headers).content

 

保存数据

def save(title, img_url, name):

    img_content = get_response(img_url).content
    try:
        with open('img\\' + title + '.' + name, mode='wb') as f:
            # 写入图片二进制数据
            f.write(img_content)
            print('正在保存:', title)
    except:
        pass

 

替换标题中的特殊字符

因为文件命名不明还有特殊字符，所以我们需要通过正则表达式替换掉特殊字符。

def change_title(title):
    mode = re.compile(r'[\\\/\:\*\?\"\<\>\|]')
    new_title = re.sub(mode, "_", title)
    return new_title

 

记录时间

time_2 = time.time()

use_time = int(time_2) - int(time_1)
print(f'总共耗时:{use_time}秒')

 

兄弟们，这里是单线程，下面是多线程，我就直接上代码了。

import requests  
import parsel 
import re
import time
import concurrent.futures 



def change_title(title):

    mode = re.compile(r'[\\\/\:\*\?\"\<\>\|]')
    new_title = re.sub(mode, "_", title)
    return new_title


def get_response(html_url):

    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'
    }
    repsonse = requests.get(url=html_url, headers=headers)
    return repsonse


def save(title, img_url, name):

    img_content = get_response(img_url).content
    try:
        with open('img\\' + title + '.' + name, mode='wb') as f:
          
            f.write(img_content)
            print('正在保存:', title)
    except:
        pass


def main(html_url):

    html_data = get_response(html_url).text
    selector = parsel.Selector(html_data) 
    divs = selector.css('#container div.tagbqppdiv') 
    for div in divs:

        img_url = div.css('img::attr(data-original)').get()
 
        title = div.css('img::attr(title)').get()

        name = img_url.split('.')[-1]
 
        new_title = change_title(title)
        save(new_title, img_url, name)


if __name__ == '__main__':
    time_1 = time.time()
    exe = concurrent.futures.ThreadPoolExecutor(max_workers=10)
    for page in range(1, 201):
        url = f'fabiaoqing/biaoqing/lists/page/{page}.html'
        exe.submit(main, url)
    exe.shutdown()
    time_2 = time.time()
    use_time = int(time_2) - int(time_1)
    print(f'总共耗时:{use_time}秒')

 

兄弟们，18秒一千多张，这结束的有点快了啊

大家看完觉得有用的话，点个赞收藏一下呗，爱你摸摸大。

你看代码运行这么快，只要18秒，我可不希望大家平常生活中也这么快，嘿嘿，不太好~