2025-02-15-Python爬虫之入门保姆级教程,学不会我去你家刷厕所
Python爬虫之入门保姆级教程，学不会我去你家刷厕所
关键词由CSDN通过智能技术生成
- 注重版权，转载请注明原作者和原文链接
- 作者：Bald programmer
今天这个教程采用最简单的爬虫方法，适合小白新手入门，代码不复杂
文章目录
爬虫的介绍以及原理等等七七八八的东西我就不多bb了，咋们直接上教程
本案例我就以 彼岸图网 这个网站做教程，原网址下方链接
首先打开咋们的网站
可以看到有很多好看的图片，一页总共21张图片
我们右键选择
检查
或者直接按
F12
来到控制台
点击左上角的
箭头
或者快捷键
ctrl+shift+c
，然后随便点在一张图片上面
这时候我们就能看到这张图片的详细信息，
src
后面的链接就是图片的链接，将鼠标放到链接上就能看到图片，这就是我们这次要爬的
一、导入相关库（requests库）
import requestsrequests翻译过来就是请求的意思，用来向某一网站发送请求
二、相关的参数（url，headers）
我们回到刚刚的控制台，点击上方的
Network
，按下
ctrl+r
刷新，随便点开一张图片
这里我们只需要到两个简单的参数，本次案例只是做一个简单的爬虫教程，其他参数暂时不考虑
| 参数 | 作用 |
|---|---|
| Request URL | 发送请求的网站地址，也就是图片所在的网址 |
| user-agent | 用来模拟浏览器对网站进行访问，避免被网站监测出非法访问 |
参数代码的准备
url = "https://pic.netbian.com/uploads/allimg/210317/001935-16159115757f04.jpg"
headers = {
"user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36"
}三、向网站发出请求
response = requests.get(url=url,headers=headers)
print(response.text) # 打印请求成功的网页源码，和在网页右键查看源代码的内容一样的
这时候我们会发现乱码？！！！！这其实也是很多初学者头疼的事情，乱码解决不难
# 通过发送请求成功response，通过(apparent_encoding)获取该网页的编码格式，并对response解码
response.encoding = response.apparent_encoding
print(response.text)看着这些密密麻麻的一大片是不是感觉脑子要炸了，其实我们只需要找到我们所需要的就可以了
四、匹配（re库，正则表达式）
什么是正则表达式？简单点说就是由用户制定一个规则，然后代码根据我们指定的所规则去指定内容里匹配出正确的内容
我们在前面的时候有看到图片信息是什么样子的，根据信息我们可以快速找到我们要的
import re
"""
. 表示除空格外任意字符（除\n外）
* 表示匹配字符零次或多次
? 表示匹配字符零次或一次
.*? 非贪婪匹配
"""
# src后面存放的是链接，alt后面是图片的名字
# 直接(.*?)也是可以可以直接获取到链接，但是会匹配到其他不是我们想要的图片
# 我们可以在前面图片信息看到链接都是/u····开头的，所以我们就设定限定条件(/u.*?)这样就能匹配到我们想要的
parr = re.compile('src="(/u.*?)".alt="(.*?)"')
image = re.findall(parr,response.text)
for content in image:
print(content)
这样我们的链接和名字就存放到了image列表中了，通过打印我们可以看到以下内容
image[0]
：列表第一个元素，也就是链接和图片
image[0][0]
：列表第一个元素中的第一个值，也就是链接
image[0][1]
：列表第一个元素中的第二个值，也就是名字
五、获取图片，保存到文件夹中（os库）
首先通过
os库
创建一个文件夹（当前你也可以手动在脚本目录创建一个文件夹）
import os
path = "彼岸图网图片获取"
if not os.path.isdir(path):
ok.mkdir(path)然后对列表进行遍历，获取图片
# 对列表进行遍历
for i in image:
link = i[0] # 获取链接
name = i[1] # 获取名字
"""
在文件夹下创建一个空jpg文件，打开方式以 'wb' 二进制读写方式
@param res：图片请求的结果
"""
with open(path+"/{}.jpg".format(name),"wb") as img:
res = requests.get(link)
img.write(res.content) # 将图片请求的结果内容写到jpg文件中
img.close() # 关闭操作
print(name+".jpg 获取成功······")运行我们就会发现报错了，这是因为我们的图片链接不完整所导致的
我们回到图片首页网站，点开一张图片，我们可以在地址栏看到我们的图片链接缺少前面部分，我们复制下来
https://pic.netbian.com
在获取图片的发送请求地址前加上刚刚复制的
https://pic.netbian.com
运行，OK，获取完毕
完整代码
import requests
import re
import os
url = "https://pic.netbian.com/"
headers = {
"user-agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36"
}
response = requests.get(url=url,headers=headers)
response.encoding = response.apparent_encoding
"""
. 表示除空格外任意字符（除\n外）
* 表示匹配字符零次或多次
? 表示匹配字符零次或一次
.*? 非贪婪匹配
"""
parr = re.compile('src="(/u.*?)".alt="(.*?)"') # 匹配图片链接和图片名字
image = re.findall(parr,response.text)
path = "彼岸图网图片获取"
if not os.path.isdir(path): # 判断是否存在该文件夹，若不存在则创建
os.mkdir(path) # 创建
# 对列表进行遍历
for i in image:
link = i[0] # 获取链接
name = i[1] # 获取名字
"""
在文件夹下创建一个空jpg文件，打开方式以 'wb' 二进制读写方式
@param res：图片请求的结果
"""
with open(path+"/{}.jpg".format(name),"wb") as img:
res = requests.get("https://pic.netbian.com"+link)
img.write(res.content) # 将图片请求的结果内容写到jpg文件中
img.close() # 关闭操作
print(name+".jpg 获取成功······")本次教程到这里就结束了，是不是只爬了一页这么一点图片觉得不过瘾？
别急，下期我教大家如何获取十几页或者几十页甚至几百页的图片
- 本次文章分享就到这，有什么疑问或有更好的建议可在评论区留言，也可以私信我
- 感谢阅读~
68747470733a2f2f626c6f672e:6373646e2e6e65742f77656978696e5f34373937313230362f:61727469636c652f64657461696c732f313137323637303337