美文网首页
用 Jupyter Notebook 爬取微博图片保存本地!

用 Jupyter Notebook 爬取微博图片保存本地!

作者: 途途途途 | 来源:发表于2021-08-12 08:29 被阅读0次

    今天咱们用 Jupyter-Notebook 并结合框架(Selenium)模拟浏览器抓取微博图片并将图片保存本地。

    Selenium 是一个用电脑模拟人的操作浏览器网页,可以实现自动化测试,模拟浏览器抓取数据等工作。

    环境部署

    安装 Jupyter notebook

    这里只需要在命令行中输入:jupyter notebook 启动跳转到浏览器编辑界面即可。

    浏览器页面:

    安装 Selenium

    安装 Selenium 非常简单,只需要用命令 'pip install Selenium' 即可,安装成功提示信息如下:

    下载浏览器驱动

    下载驱动地址如下:

    Firefox浏览器驱动

    Chrome浏览器驱动:chromedriver

    IE浏览器驱动:IEDriverServer

    Edge浏览器驱动:MicrosoftWebDriver

    需要把浏览器驱动放入系统路径中,或者直接告知 selenuim 的驱动路径。

    环境都搭建好后就可以直接开始爬取数据了。

    抓取微博数据

    首先导入包,模拟浏览器访问微博主页,详细代码如下:

    fromseleniumimportwebdriver

    driver = webdriver.Chrome()

    driver.get('https://weibo.com/')

    此时浏览器会打开一个新页面,如下图所示:

    接下来开始分析页面数据:微博页面搜索奥运会关键字后出现新的页面,然后复制网址,抓取和奥运会相关的图片保存于本地,搜索界面如下:

    输入网址获取网页内容:

    driver.get('https://s.weibo.com/weibo/%25E5%25A5%25A5%25E8%25BF%2590%25E4%25BC%259A?topnav=1&wvr=6&b=1')

    contents = driver.find_elements_by_xpath(r'//p[@class="txt"]')

    print(len(contents))

    输出内容如下:

    查看网页详细信息:

    foriinrange(0,3):

    print("==============================")

    print(contents[i].get_attribute('innerHTML'))

    获取图片信息:

    contents = driver.find_elements_by_xpath(r'//img[@action-type="fl_pics"]')

    print(len(contents))

    foriinrange(0,20):

    print("==============================")

    print(contents[i].get_attribute('src'))

    下载图片在本地:

    importos

    importurllib.request

    foriinrange(0,20):

    print("==============================")

    image_url=contents[i].get_attribute('src')

    file_name="downloads//p"+str(i)+".jpg"

    print(image_url,file_name)

    urllib.request.urlretrieve(image_url, filename=file_name)

    至此微博页面关于奥运会的相关图片已保存于本地,图片保存详情如下:

    汇总代码如下

    fromseleniumimportwebdriver

    importurllib.request

    driver = webdriver.Chrome()

    driver.get('https://weibo.com/')

    driver.get('https://s.weibo.com/weibo/%25E5%25A5%25A5%25E8%25BF%2590%25E4%25BC%259A?topnav=1&wvr=6&b=1')

    contents = driver.find_elements_by_xpath(r'//p[@class="txt"]')

    foriinrange(0,3):

    print("==============================")

    print(contents[i].get_attribute('innerHTML'))

    contents = driver.find_elements_by_xpath(r'//img[@action-type="fl_pics"]')

    print(len(contents))

    foriinrange(0,20):

    print("==============================")

    print(contents[i].get_attribute('src'))

    foriinrange(0,20):

    print("==============================")

    image_url=contents[i].get_attribute('src')

    file_name="downloads//p"+str(i)+".jpg"

    print(image_url,file_name)

    urllib.request.urlretrieve(image_url, filename=file_name)

    以上汇总代码给没有安装 Jupyter Notebook 的朋友们使用,希望对大家有帮助。

    总结

    今天的文章主要讲解用 Jupyter Notebook 工具和 Selenium 框架抓取微博数据,希望对大家有所帮助。

    相关文章

      网友评论

          本文标题:用 Jupyter Notebook 爬取微博图片保存本地!

          本文链接:https://www.haomeiwen.com/subject/zaikbltx.html