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]

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