通过爬虫爬取一些图片

学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩；迟一天就多一天平庸的困扰。各位小伙伴，如果您：

想系统/深入学习某技术知识点…

一个人摸索学习很难坚持，想组团高效学习…

想写博客但无从下手，急需写作干货注入能量…

热爱写作，愿意让自己成为更好的人…

本次文章全部从该网址爬取（doge）

【唯美壁纸】桌面壁纸唯美小清新_唯美手机壁纸_电脑桌面壁纸高清唯美大全 - 优美图库 (umei.cc)

目标

首先想要爬取图片，我需要在网站的首页中，找到子页面的链接（因为在首页中的图片为缩略图，不够高清 doge），然后请求到子页面，。

也就是说，想要把大象。。。呸

想要下载该网站的图片（高清大图），需要三步，

第一步，在主页面中拿到每个图片的子页面链接

第二步，在子页面中找到真正的图片下载链接

第三步，下载图片

第一步：拿到子页面链接

def main_page():#定义一个函数

with open("childPage.txt",mode="w") as f:#创建一个名为 childPage.txt 的文件

for i in range(1,56):#规定爬取数量

try:

resp = requests.get(f"https://www.umei.cc/bizhitupian/we

imeibizhi/{i}.htm")

# <meta http-equiv="Content-Type"

content="text/html; charset=utf-8" />

resp.encoding = 'utf-8' # 处理中

⽂乱码, 这⾥要和⻚⾯上的 charset 对应

main_page = BeautifulSoup(resp.text, "html.parser")

typeListDiv =

main_page.find("div", attrs={"class":"TypeList"})

main_a_list =typeListDiv.find_all("a")

for main_a in main_a_list:

href = main_a.get("href") #拿到某⼀个标签中 xxx 属性的值

f.write(href)

f.write("\n")

print(f"https://www.umei.cc/bizhitupian/weimeibizhi/{i}.htm, 成功了!")

time.sleep(0.5)

except:

print(f"https://www.umei.cc/bizhitupian/weimeibizhi/{i}.htm, 出错了")

print(resp.text)

break # 也可以记录下来, 供以后查错

第二步：获取到子页面信息，找到下载图片的图片路径

def child_page():

with open("childPage.txt", mode="r") as

f:

for line in f:

line = line.strip()

resp = requests.get(line)

resp.encoding='utf-8'

child = BeautifulSoup(resp.text,"html.parser")

div = child.find("div",

class_="ImageBody")

img = div.find("img")

if img:

src = img.get("src")

print(src)

else:

print(line, "没有图⽚")

第三步：下载图片

def download_img(src):

with open("img/"+src.split("/")[-1],mode="wb") as f:

resp = requests.get(src) # 下载图⽚

f.write(resp.content) # 图⽚写⼊⽂件

print(src, "down!"）

最后运行时要把 img 文件设置为 excluded,否则 pycharm 会很卡。

总结：

爬虫的基本思路

1、打开一个具体的网页

2、编写代码访问这个网页并访问数据

3、解析自己想要的数据

详细思路：

1、打开网页

2、查看网站源代码，并查找自己所需要的数据

如果有

这时候打开开发者模式，点击 network。这个时候你会看到需要的数据刚好在第一个网址返回。最后编写代码爬取网页并使用 xpath 解析

如果没有

就打开开发者模式，点击 network，刷新。这时并不能在第一个网站中就返回数据。这个时候数据是藏在其他的 js 等文件中。