文中所有文字、图片以及相关外链中直接或间接、明示或暗示涉及性别、颜值分数等信息全部由相关人脸检测接口给出。无任何客观性，仅供参考。
1 数据源
知乎 话题『美女』下所有问题中回答所出现的图片
2 抓取工具
Python 3，并使用第三方库 Requests、lxml、AipFace，代码共 100 + 行
3 必要环境
Mac / Linux / Windows （Linux 没测过，理论上可以。Windows 之前较多反应出现异常，后查是 windows 对本地文件名中的字符做了限制，已使用正则过滤），无需登录知乎（即无需提供知乎帐号密码），人脸检测服务需要一个百度云帐号（即百度网盘 / 贴吧帐号）
大家在学python的时候肯定会遇到很多难题，以及对于新技术的追求，这里推荐一下我们的Python学习扣qun：784758214，这里是python学习者聚集地！！同时，自己是一名高级python开发工程师，从基础的python脚本到web开发、爬虫、django、数据挖掘等，零基础到项目实战的资料都有整理。送给每一位python的小伙伴！每日分享一些学习的方法和需要注意的小细节
4 人脸检测库
AipFace，由百度云 AI 开放平台提供，是一个可以进行人脸检测的 Python SDK。可以直接通过 HTTP 访问，免费使用
5 检测过滤条件
-
过滤所有未出现人脸图片（比如风景图、未露脸身材照等）
-
过滤所有非女性（在抓取中，发现知乎男性图片基本是明星，故不考虑；存在 AipFace 性别识别不准的情况）
-
过滤所有非真实人物，比如动漫人物 （AipFace Human 置信度小于 0.6）
-
过滤所有颜值评分较低图片（AipFace beauty 属性小于 45，为了节省存储空间；再次声明，AipFace 评分无任何客观性）
6 实现逻辑
-
通过 Requests 发起 HTTP 请求，获取『美女』下的部分讨论列表
-
通过 lxml 解析抓取到的每个讨论中 HTML，获取其中所有的 img 标签相应的 src 属性
-
通过 Requests 发起 HTTP 请求，下载 src 属性指向图片（不考虑动图）
-
通过 AipFace 请求对图片进行人脸检测
-
判断是否检测到人脸，并使用 『4 检测过滤条件』过滤
-
将过滤后的图片持久化到本地文件系统，文件名为 颜值 + 作者 + 问题名 + 序号
-
返回第一步，继续
7 抓取结果
直接存放在文件夹中（angelababy 实力出境）。另外说句，目前抓下来的图片，除 baby 外，88 分是最高分。个人对其中的排序表示反对，老婆竟然不是最高分。学习过程中有不懂的可以加入我们的学习交流秋秋圈784中间758后面214，与你分享Python企业当下人才需求及怎么从零基础学习Python，和学习什么内容。相关学习视频资料、开发工具都有分享
8 代码
本文代码长达百行，鉴于微信公众号上代码阅读体验实在不佳，已将源代码进行保存，源码以及教程打包好了！赶紧来学吧！
网友评论