前言

大家早好、午好、晚好吖 ❤ ~

新的一年不得需要新的壁纸？今天我们就来采集一下

环境使用:

• Python 3.8 解释器

• Pycharm 编辑器

第三方模块

• import requests >>> pip install requests

如何安装python第三方模块:

1. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车

2. 在pycharm中点击Terminal(终端) 输入安装命令

实现基本思路:

一. 数据来源分析

1. 明确需求:

   • 采集的网站是什么?

   • 采集的数据是什么?

     • 图片链接

     • 图片名字

2. 通过开发者工具抓包分析, 图片链接/图片名字 数据内容在哪里可以获取到

   <由小到大 先分析一张图片数据在什么地方, 再分析如何获取多张图片>

   图片地址: 分析从哪生成的

   • 打开开发者工具: F12 / 鼠标右键点击检查选择network

   • 刷新网页: 让本网页数据内容重新加载一遍

   • 搜索数据来源: 复制关键参数, 直接进行搜索

     225102KgBdj 搜索这个内容 —>

   主要改变的就是图片ID --> 如果你想要获取所有图片数据 —> 获取所有图片ID

   图片ID 都在目录页面有

   目的获取图片链接/图片名字 —> 图片详情页 --> 获取图片ID --> 图片目录页面里面有

   和正常访问网站观看图片一样的

二. 代码实现步骤: 基本四个步骤 发送请求–>获取数据–>解析数据–>保存数据

• 获取图片ID:

  1. 发送请求, 模拟浏览器对于url地址发送请求

     • 请求 图片目录页面url

  2. 获取数据, 获取服务器返回响应数据

     response 网页源代码

  3. 解析数据, 提取我们想要的数据内容

     • 图片ID

• 获取图片链接/名字

  4. 发送请求, 模拟浏览器对于url地址发送请求

     • 请求 图片详情页页面url http://www.****.com/desk/{图片ID}.htm

  5. 获取数据, 获取服务器返回响应数据

     response 网页源代码

  6. 解析数据, 提取我们想要的数据内容

     • 图片链接

     • 图片名字

• 保存数据

  7. 保存数据, 保存本地文件夹

代码展示

# 导入数据请求模块 --> 第三方模块, 需要安装 pip install requests
import requests
# 导入正则模块 --> 内置模块, 不需要安装
import re

“”"

1. 发送请求, 模拟浏览器对于url地址发送请求

   • 模拟浏览器 <反爬处理> 请求头 <字典数据类型>

     如果你不伪装, 可能会被识别出来是爬虫程序, 从而得到数据内容

     可以直接复制粘贴 --> 开发者工具里面就可以复制

   • 响应对象

     Response: 中文意思–>响应

     <>: 表示对象

     200: 状态码 表示请求成功

     发送请求, 请求成功了

“”"

for page in range(2, 11):print(f'=================正在采集第{page}页的数据内容=================')

代码里网址就给大家屏蔽了，不然发不出来

完整代码有需要的可以文章下方名片获取哦~

（或者评论已点赞收藏，求代码，我私你呀）

请求图片目录页面url

    url = f'http://www.******.com/dongman/index_{page}.htm'

伪装模拟成浏览器

    headers = {# User-Agent 用户代理 浏览器基本身份信息'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'}

发送请求

调用requests模块里面get请求方法, 对于url地址发送请求, 并且携带上headers请求头伪装, 最后用自定义变量名response接受返回的数据

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

“”"

2. 获取数据, 获取服务器返回响应数据

   response 网页源代码

   response.text 获取响应文本数据 <网页源代码>

3. 解析数据, 提取我们想要的数据内容

   • 图片ID

   正则表达式Re

   调用re模块里面findall方法 --> 找到所有我们想要的数据

   re.findall(‘找什么数据’, ‘从哪里找’) --> 从什么地方, 去匹配找什么样的数据内容

   从 response.text<网页源代码> 里面 去找

   \d+ 表示任意数字

    img_id_list = re.findall('

    for img_id in img_id_list:# img_id变量<袋子> 给 img_id_list 列表<盒子> 里面 元素<苹果> 给装起来print(img_id)

        link = f'http://www.******.com/desk/{img_id}.htm'

        response_1 = requests.get(url=link, headers=headers)

        response_1.encoding = 'gbk'

        img_url, img_title = re.findall('

        img_content = requests.get(url=img_url, headers=headers).contentwith open('img\\' + img_title + '.jpg', mode='wb') as f:f.write(img_content)print(img_url, img_title)