前言
嗨喽!大家好呀,这里是魔王~
开发环境:
- Python 3.8
- Pycharm
模块使用:
- requests >>> pip install requests 数据请求
- parsel >>> pip install parsel 解析模块 (提取数据)
如果安装python第三方模块:
- 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
- 在pycharm中点击Terminal(终端) 输入安装命令
如何配置pycharm里面的python解释器?
- 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
- 点击齿轮, 选择add
- 添加python安装路径
pycharm如何安装插件?
- 选择file(文件) >>> setting(设置) >>> Plugins(插件)
- 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese
- 选择相应的插件点击 install(安装) 即可
- 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效
爬虫基本流程:
一. 数据来源分析
- 爬取网站是什么 想要获取网站什么样数据内容
比如爬取图片 从一张图片去分析
通过开发者工具进行抓包分析, 对比我们想要图片url地址一些参数
二. 爬虫代码实现步骤:
- 发送请求, 对于分析得到url地址发送请求
请求网址
请求方式
请求头参数 >>> 伪装 可以把python代码伪装成浏览器(客户端)发送请求
如果不进行伪装会有什么后果 >>> 不会给你返回你想要数据 - 获取数据, 获取response服务器返回响应数据
- 解析数据, 提取我们想要数据内容 图片url地址 以及 图片标题
- 保存数据, 把图片数据保存到本地
基础语法:
- for循环
- 自定义变量 赋值
- 字符串格式化方法
- 字典创建
- 函数关键字传参
- zip内置函数
- 输出函数
文件操作
- requests简单使用 get请求 获取数据
- parsel 简单使用 css语法
代码
代码里网址被我删了好过审核,想要得小伙伴可看评论或私聊我领取~
# 导入数据请求模块 导入模块没有使用, 灰色待机状态
import requests # pip install requests
# 导入数据解析模块
import parsel # pip install parsel
"""
1. 发送请求
headers 请求头参数, 可以开发者工具里面直接进行复制, 其次headers字典数据类型, 键值对
user-agent: 用户代理 表示浏览器基本身份标识
cookie: 用户信息, 检测用户是否有登陆账号
"""
for page in range(2, 11):
url = f'https://sj.enterdesk.com/woman/{
page}.html'
headers = {
'cookie': 't=f2cf055ce8713058cbfdbd1561c38e86; r=1281; Hm_lvt_86200d30c9967d7eda64933a74748bac=1645625923,1646892448; Hm_lpvt_86200d30c9967d7eda64933a74748bac=1646894465',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36'
}
response = requests.get(url=url, headers=headers) # <Response [200]> 返回响应对象 200状态码标识请求成功
"""
2. 获取数据, 获取服务器返回数据内容, 获取响应对象文本数据 字符串数据
返回数据内容, 和我们在开发者工具里面看到不一样 说明你被服务器识别出来是你爬虫程序, 所以他没有给你返回数据
"""
# print(response.text)
"""
3. 解析数据
css选择器 xpath re 三种解析方式都可以去用 选择最适合
css选择器: 根据标签属性提取数据内容
对于获取response.text 进行数据类型转换 转成 selector 对象 <Selector xpath=None data='<html xmlns="http://www.w3.org/1999/x...'>
attr() 属性选择器 .egeli_pic_li .egeli_pic_dl dd a img 都是定位标签, 告诉它是哪一个标签
img::attr(src) 取img标签里面的src属性数据
getall() 获取所有标签内容数据 返回列表数据类型
"""
selector = parsel.Selector(response.text)
src = selector.css('.egeli_pic_li .egeli_pic_dl dd a img::attr(src)').getall()
alt = selector.css('.egeli_pic_li .egeli_pic_dl dd a img::attr(alt)').getall()
for img_url, title in zip(src, alt):
img_url = img_url.replace('edpic_360_360', 'edpic_source')
# 4. 保存数据
img_content = requests.get(url=img_url, headers=headers).content # 获取二进制数据内容
with open('img\\' + title + '.jpg', mode='wb') as f:
f.write(img_content)
print(img_url, title)
尾语
好了,我的这篇文章写到这里就结束啦!
有更多建议或问题可以评论区或私信我哦!一起加油努力叭(ง •_•)ง
喜欢就关注一下博主,或点赞收藏评论一下我的文章叭!!!