手把手带你用python爬取小姐姐私房照

 更新时间:2021年08月24日 09:33:39   作者:退休的龙叔  
这篇文章主要介绍了用python如何爬取小姐姐私房照,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

如何用Python搞到小姐姐私房照

本文纯技术角度出发,教你如何用Python爬虫获取百度图库海量照片——技术无罪。

学会获取小姐姐私房照同理可得也能获取其他的照片,技术原理是一致的。

目标站点

百度图片使用关键字搜索 小姐姐私房照

https://image.baidu.com/

开发环境

  • 系统:Windows10 64位
  • Python版本:Python3.6.5(Python3以上版本即可)
  • IDE:Pycharm(非必须,其实你完全可以记事本写代码)
  • 第三方库:requests、jsonpath

效果预览

网页私房照

在这里插入图片描述

代码爬取效果

在这里插入图片描述

正式教程

一、第三方库安装

在确保你正确安装了Python解释器之后,我们还需要安装几个第三方库,命令如下**[在终端中安装即可]**:

HTTP请求库:

pip3 install requests

JSON数据解析库:

pip3 install jsonpath

二、爬虫的基本套路

  • 不管是爬取哪类网站,在爬虫中基本都遵循以下的基本套路:

     请求数据 → 获取响应内容 → 解析内容 → 保存数据

在这里插入图片描述

  • 当然,以上步骤是代码的编写思路,实际操作中应该还要添加一个前置步骤,所以完整流程如下:

     分析目标站点 → 请求网站获取数据 → 解析内容 → 保存数据

在这里插入图片描述

分析目标站点

快速的分析目标站点就很容易发现百度图库的图片资源是通过AJAX加载的,所以我们要请求的链接并非浏览器地址栏链接,而是ajax加载的数据包的资源路径,如图:
在这里插入图片描述

那么问题来了,如何获取到这些数据包的地址?其实很简单,如图所示:

在这里插入图片描述

请求网站获取数据

编写代码请求资源,这里有一点需要注意:请求头必须携带,否则有可能请求失败导致报错。

import requests  # 导包

# 构建请求头,把爬虫程序伪装成正常的浏览器用户
headers = {
    'sec-fetch-dest': 'image',
    'Host': 'image.baidu.com',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36 Edg/89.0.774.50',
}
# 资源包的url链接
url = 'https://image.baidu.com/search/acjson?tn=resultjson_com&logid=10913526997707526921&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E5%B0%8F%E5%A7%90%E5%A7%90%E7%A7%81%E6%88%BF%E7%85%A7&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=-1&z=&ic=&hd=&latest=&copyright=&word=%E5%B0%8F%E5%A7%90%E5%A7%90%E7%A7%81%E6%88%BF%E7%85%A7&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1&fr=&expermode=&force=&pn=210&rn=30&gsm=d2&1616553658252='

# 构建请求
response = requests.get(url,headers=headers)
# 查看状态码
print(response.status_code)
# 获取原始数据
response.json()

解析数据

上述代码最终获取到的数据是json数据,也就是我们Python中常说的字典,它长这样:

{
    "queryEnc":"%D0%A1%BD%E3%BD%E3%CB%BD%B7%BF%D5%D5",
    "queryExt":"小姐姐私房照",
    "listNum":758,
    "displayNum":8392,
    "gsm":"f0",
    "bdFmtDispNum":"约8,390",
    "bdSearchTime":"",
    "isNeedAsyncRequest":0,
    "bdIsClustered":"1",
    "data":[
        Object{...},   # 没张私房照对应的详细信息,其中就有图片的URL 
        Object{...},
        ···
}

既然它是一个字典,我们当然是可以使用Python中的键值索引方式获取到想要的数据,但是此方法太笨,这里介绍一种更加高明的方式,使用jsonpath解析数据

# 这一行代码便可以获取到所有图片的URL,返回的是一个列表,遍历即可拿到每一个URL
imgs = jsonpath.jsonpath(json_data, '$..middleURL')

使用requests请求图片URL,获取图片数据

image_data = requests.get(page_url).content

保存数据

使用Python中的文件对象,保存图片,图片名字使用时间戳命名,避免图片重名

with open('imgs/' + datetime.now().strftime("%Y%m%d%H%M%S%f") + '.jpg', 'wb') as f:
     f.write(image_data)

写在最后

到这整个儿爬虫程序就写完了。

当然,当前的这个只能爬取一个资源包中的数据,要爬取多个资源包或者说全部资源包的数据也是很简单的,只需要分析分析资源包的URL变化规律就不难发现其中的某个关键字变化,灵活改变该关键字就可以不断爬取。

文章正文到这里已经结束了,只是想感谢一些阅读我文章的人。

我退休后一直在学习如何写文章,说实在的,每次我在后台看到一些读者的回应就会觉得很欣慰,于是我想把我收藏的一些编程干货贡献给大家,回馈每一个读者,希望能帮到你们。

到此这篇关于手把手带你用python爬取小姐姐私房照的文章就介绍到这了,更多相关python爬取图片内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • pytorch自定义loss损失函数

    pytorch自定义loss损失函数

    这篇文章主要介绍了pytorch自定义loss损失函数,自定义loss的方法有很多,本文要介绍的是把loss作为一个pytorch的模块,下面详细资料需要的小伙伴可以参考一下
    2022-02-02
  • python实现批量监听页面并发送邮件

    python实现批量监听页面并发送邮件

    这篇文章主要为大家详细介绍了python如何实现自动化批量监听页面并发送邮件,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下
    2023-11-11
  • 详解Python中的array数组模块相关使用

    详解Python中的array数组模块相关使用

    数组并不是Python中内置的标配数据结构,不过拥有array模块我们也可以在Python中使用数组结构,下面我们就来详解详解Python中的array数组模块相关使用
    2016-07-07
  • django学习之ajax post传参的2种格式实例

    django学习之ajax post传参的2种格式实例

    AJAX除了异步的特点外,还有一个就是:浏览器页面局部刷新,下面这篇文章主要给大家介绍了关于django学习之ajax post传参的2种格式的相关资料,需要的朋友可以参考下
    2021-05-05
  • Python实现APP自动化发微信群消息的示例代码

    Python实现APP自动化发微信群消息的示例代码

    本文主要介绍了Python实现APP自动化发微信群消息的示例代,文中通过示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下码
    2022-01-01
  • 解决运行django程序出错问题 ''str''object has no attribute''_meta''

    解决运行django程序出错问题 ''str''object has no attribute''_meta''

    这篇文章主要介绍了解决运行django程序出错问题 'str'object has no attribute'_meta',具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-07-07
  • Python更换pip源方法过程解析

    Python更换pip源方法过程解析

    这篇文章主要介绍了Python更换pip源方法过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-05-05
  • Python中如何替换字典中的值

    Python中如何替换字典中的值

    这篇文章主要介绍了Python中替换字典中的值,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2023-03-03
  • 机器学习数据预处理之独热One-Hot编码及其代码详解

    机器学习数据预处理之独热One-Hot编码及其代码详解

    独热编码即 One-Hot 编码,又称一位有效编码。其方法是使用 N位 状态寄存器来对 N个状态 进行编码,每个状态都有它独立的寄存器位,并且在任意时候,其中只有一位有效,这篇文章主要介绍了机器学习数据预处理之独热One-Hot编码及其代码详解,需要的朋友可以参考下
    2022-07-07
  • python中对开区间和闭区间的理解

    python中对开区间和闭区间的理解

    这篇文章主要介绍了python中对开区间和闭区间的理解,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2022-07-07

最新评论