淘女郎,也被很多人称作“网络模特”,就是专门给淘宝、天猫等线上商家拍摄图片的平面模特。
我们将用Python3和Selenium Webdriver抓取每一个美眉的个人主页内的写真图片,把每一个美眉的写真图片按照文件夹保存到本地。
先说一下网页爬取的一般步骤:
1.查看目标网站页面的源代码,找到需要爬取的内容 2.用正则或其他如xpath/bs4的工具获取爬取内容 3.写出完整的python代码,实现爬取过程
查看网站源码,火狐浏览器右键-查看源代码即可获取:
代码编写的关键步骤:
①需要用到的模块
②解析目标网页的 Html 源码
bsObj = BeautifulSoup(driver.page_source, parser)
③用正则表达式获取美女图片
imagesUrl = re.findall('\/\/gtd\.alicdn\.com\/sns_logo.*\.jpg',driver.page_source)
④解析出个人主页地址等信息
girlsUrl = bsObj.find_all("a",{"href":re.compile("\/\/.*\.htm\?(userId=)\d*")})
⑤获取所有美女的图片url
girlsHURL = [('http:' + i['href']) for i in girlsUrl]
⑥判断路径文件夹是否创建,如果未创建则创建文件夹保存图片
def mkdir(path): # 判断路径是否存在 isExists = os.path.exists(path) # 判断结果 if not isExists: # 如果不存在则创建目录 print(" [*]新建了文件夹", path) # 创建目录操作函数 os.makedirs(path) else: # 如果目录存在则不创建,并提示目录已存在 print(' [+]文件夹', path, '已创建') if __name__ == '__main__': if not os.path.exists(outputDir): os.makedirs(outputDir) main()
Python执行文件后抓取的效果如下图所示: