首页 > 代码 > 【Python | 杂代码】从0爬妹子图片教程,难道我也下海了?
【Python | 杂代码】从0爬妹子图片教程,难道我也下海了?
代码
妹子 图片 教程

2023-12-02 01:00:00

往期精彩:100多g Python 学习资源分享:【资源分享 | 学习干货】极简分享大会之Python以前的爬虫文章:【Python | 杂代码】爬虫,从基础到进阶(一)【Python | 杂代码】爬虫,从基础到进阶(二)下期分享预告:100多G精选Java学习资源(本周六)前言:   前些天在吾爱破解发了个帖子看看大家想爬取什么,做个教程发给大家,本来只想选一个的,但大家比较热情,于是从众多评论中选了三个:正规妹纸图片网站、58同城房源信息、微信公众号文章,分三期推送给大家今天就是第一期:正规妹纸图片网站本次爬虫主要用到的技术为:正则表达式基础学习链接https://blog.csdn.net/qq_39241986/article/details/813487551.1 获取页面信息代码截图
1.2 发现获取页面内容出现乱码运行获取页面源码乱码截图
1.3 分析页面信息得原页面编码为:`gb2312`,修改获取内容编码分析页码源码乱码解决源码乱码情况
2.1 主页面源码已经获取到了,那我们到网页里看看源码的效果图吧爬取页面web端效果图有没有让你看的怦然心动,我是觉得清纯的妹纸挺好的。
2.2 爬取方式:简单 or 困难爬取方式分析
3.1 从简单开始:首先我们要获取这个页面上的所有妹纸图的链接(一个妹纸有多张艺术照),然后向网站发送相应链接的请求,浏览器内按F12,进入开发者模式,小箭头选择想要的信息所在处。页面分析获取内容所在
3.2 分析我们拿到的页面源码,采用正则表达式获取相关内容源码分析采用什么正则匹配
3.3 正则表达式获取首页所有妹纸图的网址和简介 1''' 2author : 极简XksA 3data : 2018.
8.8 4goal : 分类爬取beautiful picture,保存到本地 5''' 6import re 7import requests 8# 爬取主页面:http://www.27270.com/ent/meinvtupian/ 910# 
1. 发送http请求,获取主页面内容11r_url = 'http://www.27270.com/ent/meinvtupian/'12html_code = requests.get(r_url)13# 
2. 设置页面编码为 gb231214html_code.encoding = 'gb2312'15html_text = html_code.text16# 
3.1 获取链接17pattern01 = r'.*? 美女图片'18beautiful_url = re.findall(pattern01, html_text)19print(beautiful_url)20print(len(beautiful_url))21# 
3.2 获取简介22pattern02 = r''23beautiful_words = re.findall(pattern02, html_text)24print(beautiful_words)25print(len(beautiful_words))运行结果:1['http://www.27270.com/ent/meinvtupian/2018/261848.html', 'http://www.27270.com/ent/meinvtupian/2018/263409.html', 'http://www.27270.com/ent/meinvtupian/2018/287594.html', 'http://www.27270.com/ent/meinvtupian/2018/287661.html', 'http://www.27270.com/ent/meinvtupian/2018/288678.html', 'http://www.27270.com/ent/meinvtupian/2018/288672.html', 'http://www.27270.com/ent/meinvtupian/2018/288706.html', 'http://www.27270.com/ent/meinvtupian/2018/288728.html', 'http://www.27270.com/ent/meinvtupian/2018/288734.html', 'http://www.27270.com/ent/meinvtupian/2018/288683.html', 'http://www.27270.com/ent/meinvtupian/2018/288712.html', 'http://www.27270.com/ent/meinvtupian/2018/288688.html', 'http://www.27270.com/ent/meinvtupian/2018/287365.html', 'http://www.27270.com/ent/meinvtupian/2018/287488.html', 'http://www.27270.com/ent/meinvtupian/2018/287638.html', 'http://www.27270.com/ent/meinvtupian/2018/287752.html', 'http://www.27270.com/ent/meinvtupian/2018/288005.html', 'http://www.27270.com/ent/meinvtupian/2018/288042.html', 'http://www.27270.com/ent/meinvtupian/2018/288003.html', 'http://www.27270.com/ent/meinvtupian/2018/287595.html', 'http://www.27270.com/ent/meinvtupian/2018/288074.html', 'http://www.27270.com/ent/meinvtupian/2018/287760.html', 'http://www.27270.com/ent/meinvtupian/2018/287670.html', 'http://www.27270.com/ent/meinvtupian/2018/287816.html', 'http://www.27270.com/ent/meinvtupian/2018/287719.html', 'http://www.27270.com/ent/meinvtupian/2018/288068.html', 'http://www.27270.com/ent/meinvtupian/2018/288052.html', 'http://www.27270.com/ent/meinvtupian/2018/288001.html', 'http://www.27270.com/ent/meinvtupian/2018/261655.html', 'http://www.27270.com/ent/meinvtupian/2018/261864.html']2303['淘气撅小嘴青春美少女穿白色小短裤床上无限遐想性感诱人养眼照', '星光闪闪俏皮少女蓝色死水库连衣裙展现娇小玲珑身材图片', '卫生间元气少女运动装白丝长腿俏皮碎发嘟嘴卖萌写真图片', '白嫩女仆装美女乌黑长发漂亮侧颜居家制作蛋糕写真图片', '水灵灵校服美女稚嫩脸庞披肩短发清纯气质教室写真图片', '体育馆高马尾美女白色运动服高挑身材细长美腿写真图片', '芭蕾舞美女高束发髻吊带舞蹈服柔软身体翩翩起舞写真图片', '露齿大笑美女微卷短发牛仔背带裤精致锁骨床上甜美写真图片', '楼梯口美女浓眉大眼碎花吊带裙白里透红气质端庄写真图片', '马尾少女上扬的嘴角纤纤玉指穿运动服清爽诱人写真', '扎两小辫极品白丝袜美女美腿裸肩黄色系闺房写真', '美乳小翘臀白色吊带美女双眼灵动纯净甜美私房写真图片', '丸子头舞蹈美女吊带芭蕾装光滑裸背修长美腿身姿轻盈写真图片', '黑长直发美女橘色背心睡裙粉嫩香唇小巧鹅蛋脸迷人写真图片', '眼镜美女死水库泳衣笔直长腿精致锁骨曲线柔美私房写真图片', '露齿甜笑美少女白衣短裤空气刘海眉清目秀温柔气质写真图片', '床上白嫩香肩美女唇红齿白蕾丝吊带纤细长腿慵懒写真图片', '狐媚眼性感熟女红唇微张吊带睡衣雪白肌肤春光乍泄写真图片', '樱桃小嘴美女学生学院风校服可爱麻花辫皮肤光滑写真图片', '薄纱遮玉体大胸美眉美乳圆润有弹性红唇点睛诱惑写真', '好看的柠檬少女肌肤如牛奶般丝滑白嫩治愈系写真图片', '浓眉大眼童颜美女蕾丝套装白丝大长腿搞怪卖萌私房写真图片', '小巧脸蛋美女萝莉休闲运动服高束马尾柔软身段活力写真图片', '丸子头泳衣美女明眸皓齿白皙藕臂修长玉腿开怀大笑写真图片', '碎花裙治愈系少女清澈大眼精致编发温暖笑容闺房写真图片', '灿烂甜笑美女浓密卷发粉嫩脸蛋白瓷肌肤吹弹可破写真图片', '居家美女条纹吊带短裤秀圆润香肩光滑美腿吃西瓜写真图片', '尖下巴美女学生妹俏皮马尾辫小清新水手制服户外写真图片', '运动型美女白嫩肌肤撩长发骚动人心高清图片', '玉体通透吊带美女可爱苹果头好俏皮逆光唯美写真']4303.4 请求单个页面,正则匹配图片url3.
4.1 页面分析单组照片页面分析
3.
4.2 代码实现 1for i in range(len(beautiful_url)): 2    # 
4.1 请求单个页面 3    picture_codes = requests.get(beautiful_url[i]) 4    picture_codes.encoding = 'gb2312' 5    picture_words = picture_codes.text 6    # 
4.2 在页面中找到图片url 7    # print(picture_words) 8    pattern03 = r''%beautiful_words[i] 9    picture_url = re.findall(pattern03, picture_words)10    print(picture_url)
3.
4.3 运行结果1# 这里获取的并不是全部,而是每个妹纸的第一张图2['http://t2.hddhhn.com/uploads/tu/201803/9999/f45065ed61.jpg'],['http://t2.hddhhn.com/uploads/tu/201803/9999/9126579004.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/320ab4622e.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/1fde4d7a1f.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/ef21eaa896.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/e1697062d3.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/419c69bec1.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/4302dc643c.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/df7ff261b0.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/b7b870636f.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/11ec3cf8b2.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/10a0a11a02.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/53e4e2717c.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/7431e6e040.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/228cf34f62.jpg'],3['http://t2.hddhhn.com/uploads/tu/201807/9999/a9b7d62201.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/ba91f1e60e.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/76da610fa9.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/3ed260e5ae.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/3d93b5fd09.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/280277b310.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/b69662e2d9.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/fbf7a9178b.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/3f9a20a7da.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/691c12fa18.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/249d3362c4.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/29ea1b5fb7.jpg'],['http://t2.hddhhn.com/uploads/tu/201807/9999/db087ab231.jpg'],['http://t2.hddhhn.com/uploads/tu/201803/9999/1a9b5f8522.jpg'],['http://t2.hddhhn.com/uploads/tu/201803/9999/9b597acb26.jpg']
3.5 每个妹纸页面内翻页,爬取所有的图片地址
3.
5.1 页面分析页面翻页分析我们只用获取网页内代码即可实现页面翻转(即跳转url)
3.
5.2 代码实现 1# 
4.3 翻页爬取 2# 
4.
3.1 获取翻页链接 3pattern04 = r"
  • .*?
  • " 4pictures_url = re.findall(pattern04, picture_words) 5print(pictures_url) 6print(pattern03) 7# 
    4.
    3.2 翻页,获取图片地址 8for j in range(len(pictures_url)): 9    other_picture_url = r'http://www.27270.com/ent/meinvtupian/2018/{0}'.format(pictures_url[j])10    pictures_codes = requests.get(other_picture_url)11    pictures_codes.encoding = 'gb2312'12    pictures_words = pictures_codes.text13    picture_02 = re.findall(pattern03, pictures_words)14    picture_address.append(picture_02)15print(picture_address)
    3.
    5.3 运行结果1['261848_2.html', '261848_3.html', '261848_4.html', '261848_5.html', '261848_6.html', '261848_7.html', '261848_8.html']23[['http://t2.hddhhn.com/uploads/tu/201803/9999/f45065ed61.jpg'], ['http://t2.hddhhn.com/uploads/tu/201803/9999/88e0742045.jpg'], ['http://t2.hddhhn.com/uploads/tu/201803/9999/c8d4eba79b.jpg'], ['http://t2.hddhhn.com/uploads/tu/201803/9999/78e50b4522.jpg'], 4['http://t2.hddhhn.com/uploads/tu/201803/9999/c435bee80c.jpg'], ['http://t2.hddhhn.com/uploads/tu/201803/9999/c8411d490e.jpg'], ['http://t2.hddhhn.com/uploads/tu/201803/9999/0e7442531e.jpg'], ['http://t2.hddhhn.com/uploads/tu/201803/9999/7aff8c935f.jpg']]
    3.6 下载图片
    3.
    6.1 专门写个下载图片函数 1# 下载图片函数 2''' 3folder_name : 分类文件夹名称,按图片简介 4picture_address : 一组图片的链接 5''' 6def download_pictures(folder_name, picture_address): 7    file_path = r'G:\Beautiful\{0}'.format(folder_name) 8    if not os.path.exits(file_path): 9        # 新建一个文件夹10        os.mkdir(os.path.join(r'G:\Beautiful', folder_name))11     # 下载图片保存到新建文件夹12    for i in range(len(picture_address)):13        # 下载文件(wb,以二进制格式写入)14        with open(r'G:\Beautiful\{0}\0{1}.jpg'.format(folder_name,i+1), 'wb') as f:15            # 根据下载链接,发送请求,下载图片16            response = requests.get(picture_address[i][0])17            f.write(response.content)
    3.
    6.2 运行结果运行结果爬取结果(文字有点露骨)单组皂片示例,看图片大小,挺清晰的
    4. 上面只是爬取了主页面的所有妹纸图片,如何实现在主页面翻页呢?希望大家根据在单个妹子网页翻页的方法(
    3.5),自己动手写出如何在主页面翻页,爬取更多妹纸图!实现下图页面翻页主页面翻页最后留上源码地址https://gitee.com/ShaErHu/spider_beautiful_picture