每天我的壁纸都是Windows自带的天蓝色，看的真的没意思，有意思吗，没意思~
所以啊，当然的整一手高质量壁纸，没有别的意思，只为了心情愉悦~
好了，不多哔哔，开启今天的高质量旅途~
一、准备工作
这些统统安排上
软件
-
python 3.6
-
pycharm
模块
-
requests
-
parsel
二、爬虫流程
关于数据来源查找：
确定目标需求： 爬取高清壁纸图片 （彼岸）
通过开发者工具（F12或者鼠标右键点击检查） 查找图片的url地址来源；
请求 壁纸的详情页 获取它网页源代码 就可以获取图片url地址了 （一张）；
请求 列表页就可以获取 每个壁纸的详情页url 以及 标题；
代码实现
1、发送请求
壁纸的列表页url： http://www.netbian.com/1920x1080/index.htm
2、获取数据
网页源代码/ response.text 网页文本数据
3、解析数据
css xpath bs4 re 壁纸详情页url：/desk/23397.htm 2.壁纸标题
4、保存数据
保存图片是二进制数据
观众姥爷：就这就这？代码呢？代码都不放你几个意思？
别慌，来了来了
三、代码展示
我就不一 一拆解了，注释加上第三步，相信聪明的你可以理解，实在不行最后我放视频讲解吧。
我还给大家准备了这些资料，直接在这里免费领
Python学习交流基地
import requests # 请求模块 第三方模块 pip install requests
import parsel # 数据解析模块 第三方模块 pip install parsel
import time # 时间模块 内置模块
time_1 = time.time()
# 要什么用模块 首先要知道模块有什么用
for page in range(2, 12):
print(f'====================正在爬取第{page}页的数据内容====================')
url = f'http://www.netbian.com/1920x1080/index_{page}.htm'
# 请求头： 把python代码伪装成浏览器对服务器发送请求
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36'
}
response = requests.get(url=url, headers=headers)
# 出现乱码怎么办？ 需要转码
# html_data = response.content.decode('gbk')
response.encoding = response.apparent_encoding # 自动转码
# 获取源代码/获取网页文本数据 response.text
# print(response.text)
# 解析数据
selector = parsel.Selector(response.text)
# CSS选择器 就是根据网页标签内容提取数据
# 第一次提取 提取所有的li标签内容
lis = selector.css('.list li')
for li in lis:
# http://www.netbian.com/desk/23397.htm
title = li.css('b::text').get()
if title:
href = 'http://www.netbian.com' + li.css('a::attr(href)').get()
response_1 = requests.get(url=href, headers=headers)
selector_1 = parsel.Selector(response_1.text)
img_url = selector_1.css('.pic img::attr(src)').get()
img_content = requests.get(url=img_url, headers=headers).content
with open('img\\' + title + '.jpg', mode='wb') as f:
f.write(img_content)
print('正在保存: ', title)
time_2 = time.time()
use_time = int(time_2) - int(time_1)
print(f'总计耗时{use_time}秒')
大家可以自己运行试试，记得三连哇~
网友评论