目錄
- 如何用Python搞到小姐姐私房照
- 目標(biāo)站點(diǎn)
- 開發(fā)環(huán)境
- 效果預(yù)覽
- 正式教程
- 一、第三方庫安裝
- 二、爬蟲的基本套路
- 分析目標(biāo)站點(diǎn)
- 請求網(wǎng)站獲取數(shù)據(jù)
- 解析數(shù)據(jù)
- 保存數(shù)據(jù)
- 寫在最后
如何用Python搞到小姐姐私房照
本文純技術(shù)角度出發(fā),教你如何用Python爬蟲獲取百度圖庫海量照片——技術(shù)無罪。
學(xué)會(huì)獲取小姐姐私房照同理可得也能獲取其他的照片,技術(shù)原理是一致的。
目標(biāo)站點(diǎn)
百度圖片使用關(guān)鍵字搜索 小姐姐私房照
開發(fā)環(huán)境
- 系統(tǒng):Windows10 64位
- Python版本:Python3.6.5(Python3以上版本即可)
- IDE:Pycharm(非必須,其實(shí)你完全可以記事本寫代碼)
- 第三方庫:requests、jsonpath
效果預(yù)覽
網(wǎng)頁私房照
代碼爬取效果
正式教程
一、第三方庫安裝
在確保你正確安裝了Python解釋器之后,我們還需要安裝幾個(gè)第三方庫,命令如下**[在終端中安裝即可]**:
HTTP請求庫:
JSON數(shù)據(jù)解析庫:
二、爬蟲的基本套路
- 不管是爬取哪類網(wǎng)站,在爬蟲中基本都遵循以下的基本套路:
請求數(shù)據(jù) → 獲取響應(yīng)內(nèi)容 → 解析內(nèi)容 → 保存數(shù)據(jù)
- 當(dāng)然,以上步驟是代碼的編寫思路,實(shí)際操作中應(yīng)該還要添加一個(gè)前置步驟,所以完整流程如下:
分析目標(biāo)站點(diǎn) → 請求網(wǎng)站獲取數(shù)據(jù) → 解析內(nèi)容 → 保存數(shù)據(jù)
分析目標(biāo)站點(diǎn)
快速的分析目標(biāo)站點(diǎn)就很容易發(fā)現(xiàn)百度圖庫的圖片資源是通過AJAX加載的,所以我們要請求的鏈接并非瀏覽器地址欄鏈接,而是ajax加載的數(shù)據(jù)包的資源路徑,如圖:
那么問題來了,如何獲取到這些數(shù)據(jù)包的地址?其實(shí)很簡單,如圖所示:
請求網(wǎng)站獲取數(shù)據(jù)
編寫代碼請求資源,這里有一點(diǎn)需要注意:請求頭必須攜帶,否則有可能請求失敗導(dǎo)致報(bào)錯(cuò)。
import requests # 導(dǎo)包
# 構(gòu)建請求頭,把爬蟲程序偽裝成正常的瀏覽器用戶
headers = {
'sec-fetch-dest': 'image',
'Host': 'image.baidu.com',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36 Edg/89.0.774.50',
}
# 資源包的url鏈接
url = 'https://image.baidu.com/search/acjson?tn=resultjson_comlogid=10913526997707526921ipn=rjct=201326592is=fp=resultqueryWord=%E5%B0%8F%E5%A7%90%E5%A7%90%E7%A7%81%E6%88%BF%E7%85%A7cl=2lm=-1ie=utf-8oe=utf-8adpicid=st=-1z=ic=hd=latest=copyright=word=%E5%B0%8F%E5%A7%90%E5%A7%90%E7%A7%81%E6%88%BF%E7%85%A7s=se=tab=width=height=face=0istype=2qc=nc=1fr=expermode=force=pn=210rn=30gsm=d21616553658252='
# 構(gòu)建請求
response = requests.get(url,headers=headers)
# 查看狀態(tài)碼
print(response.status_code)
# 獲取原始數(shù)據(jù)
response.json()
解析數(shù)據(jù)
上述代碼最終獲取到的數(shù)據(jù)是json數(shù)據(jù),也就是我們Python中常說的字典,它長這樣:
{
"queryEnc":"%D0%A1%BD%E3%BD%E3%CB%BD%B7%BF%D5%D5",
"queryExt":"小姐姐私房照",
"listNum":758,
"displayNum":8392,
"gsm":"f0",
"bdFmtDispNum":"約8,390",
"bdSearchTime":"",
"isNeedAsyncRequest":0,
"bdIsClustered":"1",
"data":[
Object{...}, # 沒張私房照對應(yīng)的詳細(xì)信息,其中就有圖片的URL
Object{...},
···
}
既然它是一個(gè)字典,我們當(dāng)然是可以使用Python中的鍵值索引方式獲取到想要的數(shù)據(jù),但是此方法太笨,這里介紹一種更加高明的方式,使用jsonpath解析數(shù)據(jù)
# 這一行代碼便可以獲取到所有圖片的URL,返回的是一個(gè)列表,遍歷即可拿到每一個(gè)URL
imgs = jsonpath.jsonpath(json_data, '$..middleURL')
使用requests請求圖片URL,獲取圖片數(shù)據(jù)
image_data = requests.get(page_url).content
保存數(shù)據(jù)
使用Python中的文件對象,保存圖片,圖片名字使用時(shí)間戳命名,避免圖片重名
with open('imgs/' + datetime.now().strftime("%Y%m%d%H%M%S%f") + '.jpg', 'wb') as f:
f.write(image_data)
寫在最后
到這整個(gè)兒爬蟲程序就寫完了。
當(dāng)然,當(dāng)前的這個(gè)只能爬取一個(gè)資源包中的數(shù)據(jù),要爬取多個(gè)資源包或者說全部資源包的數(shù)據(jù)也是很簡單的,只需要分析分析資源包的URL變化規(guī)律就不難發(fā)現(xiàn)其中的某個(gè)關(guān)鍵字變化,靈活改變該關(guān)鍵字就可以不斷爬取。
文章正文到這里已經(jīng)結(jié)束了,只是想感謝一些閱讀我文章的人。
我退休后一直在學(xué)習(xí)如何寫文章,說實(shí)在的,每次我在后臺(tái)看到一些讀者的回應(yīng)就會(huì)覺得很欣慰,于是我想把我收藏的一些編程干貨貢獻(xiàn)給大家,回饋每一個(gè)讀者,希望能幫到你們。
到此這篇關(guān)于手把手帶你用python爬取小姐姐私房照的文章就介紹到這了,更多相關(guān)python爬取圖片內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
您可能感興趣的文章:- Python使用Py2neo創(chuàng)建Neo4j的節(jié)點(diǎn)、關(guān)系及路徑
- Python使用py2neo操作圖數(shù)據(jù)庫neo4j的方法詳解
- python利用文件讀寫編寫一個(gè)博客
- Python time.time()方法
- Python接口自動(dòng)化之接口依賴
- python中bottle使用實(shí)例代碼
- python使用py2neo查詢Neo4j的節(jié)點(diǎn)、關(guān)系及路徑