二次元肥宅最喜欢的壁纸图片，这不把它爬取下来对不起自己[Python基础]

  • Z时代
  • 2024-01-10
  • 分类：综合

python

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

本文章来着腾讯云 作者：python学习教程


注：某憨批朋友发来的一个网址

其实这个网站的壁纸 还是不错的嘛，果然是二次元肥宅的最爱~



所以… 爬它

相关python开发工具

  • Python 3.6

  • Pycharm

  • requests

  • parsel
    相关模块pip安装即可

安装速度慢可以使用镜像源安装

以前发过解决pip安装速度慢的问题

一、获取详情页url地址以及标题

图片详情页是在 ul 标签里面的 li 标签下面的

所以只需要请求网址，网站是静态页面可以直接获取网页数据，但是网页文字是乱码，转码即可。。

关于动漫类一共是16页数据

"""
# 第一页链接
http://www.jj20.com/bz/ktmh/list_16_cc_14_1.html
# 第二页链接
http://www.jj20.com/bz/ktmh/list_16_cc_14_2.html
# 第三页链接
http://www.jj20.com/bz/ktmh/list_16_cc_14_2.html
"""

根据页码的改变对应的是第几页。

一般情况如果想要找到翻页的效果，是需要从第二页开始找的。

上述是已经找到答案的情况，但是实际情况你第一页的url是有所不同的

http://www.jj20.com/bz/ktmh/list_16_cc_14.html

实际上第一页url是没有页面参数的，只有到了第二页的时候才会有页码参数，然后你可以看第三页的url变化，就可以对比发现规则，然后根据规则拼接第一页的url地址，看是否也可以访问，如果可以，那么翻页规律就找到，如果不可以，那就要根据实际情况再作分析了。

import requests
import parsel
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36"
}
for page in range(1, 17):
    url = "http://www.jj20.com/bz/ktmh/list_16_cc_14_{}.html".format(page)
    response = requests.get(url=url, headers=headers)
    selector = parsel.Selector(response.text)
    lis = selector.css("body > div:nth-child(7) > ul li")
for li in lis:
        page_url = "http://www.jj20.com/" + li.css("a:nth-child(1)::attr(href)").get()
        title = li.css("a:nth-child(1) img::attr(alt)").get()

二、获取壁纸原图地址


详情页中如果想要看下一张图片地址，则是需要点击下一张，下面也有其余壁纸的轮播

通过开发者工具可以看到，10张图片壁纸的地址也都是在 li 标签里面的，复制链接看一下是否是原图

果然不出意外，真的是缩略图。

那就点击下载原图看一下，原图地址是什么样的。

"""
# 原图地址
http://cj.jj20.com/2020/down.html?picurl=/up/allimg/1114/110620113133/201106113133-1.jpg
# li标签里面的地址
http://img.jj20.com/up/allimg/1114/110620113133/201106113133-1-lp.jpg
"""

1、拼接url地址就可以了

http://cj.jj20.com/2020/down.html?picurl= +
up/allimg/1114/110620113133/201106113133-1.jpg

2、如果你可以自己试一下把 -lp 一样可以

http://img.jj20.com/up/allimg/1114/110620113133/201106113133-1.jpg

def get_img(page_url, title):
    page_url_response = requests.get(url=page_url, headers=headers)
    page_url_response.encoding = page_url_response.apparent_encoding
    page_url_selector = parsel.Selector(page_url_response.text)
    lis_2 = selector.css("#showImg li img::attr(src)").getall()
for i in lis_2:
# 原图壁纸地址
#  http://pic.jj20.com/up/allimg/1114/110620113133/201106113133-1.jpg
# li标签壁纸地址
# http://img.jj20.com/up/allimg/1114/110620113133/201106113133-1-lp.jpg
        img_url = i.replace("-lp.jpg", ".jpg")
        img_title = title + img_url.split("-")[-1]

三、保存壁纸图片

保存没什么特别要说的，都是常规操作，固定写法了。图片、视频、音频都是二进制文件，用wb的方式写入就可以了。

def download(img_url, img_title):
    path = "img" + img_title
    img_url_response = requests.get(url=img_url, headers=headers)
    with open(path, mode="wb") as f:
        f.write(img_url_response.content)
print(img_url, img_title)

四、实现效果



没有爬完所有的，就爬了1000多张，有点占地方，主要是演示一下。

以上是 二次元肥宅最喜欢的壁纸图片，这不把它爬取下来对不起自己[Python基础] 的全部内容， 来源链接： utcz.com/z/530860.html

回到顶部