前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python爬虫系列(六)外国图库Unsplash图片自动化下载

Python爬虫系列(六)外国图库Unsplash图片自动化下载

作者头像
致Great
发布2018-04-11 17:35:10
1.9K0
发布2018-04-11 17:35:10
举报
文章被收录于专栏:程序生活

再做一个网站,要找一些高清图片,然后同学推荐了这个网站:Unsplash 。但是每张图片下载要手动点,然后下拉加载更多图片,效率不高,所以自己写了爬虫程序,进行自动化下载图片,自己参考了下面这篇文章(很多地方有所改动): Python爬虫小白入门(五)PhatomJS+Selenium第二篇

一、分析网站,找到图片的src地址

因为这个网站和上一篇的360图库差不多,图片相关信息是通过js动态加载的,所以自己先观察了下network下的XHR,果然找到想要的信息,并且响应数据是我们容易处理的json格式,但是自己爬去的时候,请求被拒绝了。。。

每次下拉请求10张图片的相关信息

但是我们直接请求的话,是直接被拒绝的。。

然后自己尝试获取网页源代码,然后找到img的源地址,通过分析发现,每张图片放在a标签里,class=“cV68d”,background-image的url地址就是图片的源地址。

图片的位置

所以大致思路是:首先通过的selenium+Chrome()  (ps:我用PhantomJS有bug过不去。)模拟浏览器下拉行为,然后获取网页源代码,通过xpath和正则表达式获取到图片的源地址,然后获取图片名称,并下载保存。

二、程序代码及相关解释

1、这次使用的模块有点多,主要是为了方便操作和下载图片

程序需要用到的模块

2、 驱动使用的Chrome,需要提前准备好。

初始化构造函数

2、使用execute_script()执行js脚本,实现浏览器下拉

下拉操作

3、获取a标签的style内容,然后获取到目标数据,最后执行保存图片方法 这里提到一点就是:fina_src=urlparse(' '+ src).path.strip(),这里我用空格拼接一下的目的是为了能够正确得到图片的地址,否则解析的path内容不正确

path的内容不正确 url加上的空格之后,效果是下面

正确的path内容 (ps:这个调了好长时间,,头皮发麻)

下载图片

4、执行函数,这里设置下拉三次,下载的图片不是30张,而是500多,原因也很简单:每次下拉的高度是下拉到底部,一个窗口的高度,而加载10张图片只需下拉一点高度。

过程有点慢。

三、执行效果

模拟下拉动作,然后下载

大功告成

源码:https://github.com/yanqiangmiffy/Unsplash

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017.04.30 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 二、程序代码及相关解释
  • 三、执行效果
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档