微博网红都长什么样子？

龙哥

发布于 2019-07-15 16:42:31

1.1K0

发布于 2019-07-15 16:42:31

文章被收录于专栏：Python绿色通道 Python绿色通道Python绿色通道

正文

前言

在之前的分享中，我们已经学会了简书和知乎小姐姐的爬虫。今天罗罗攀把魔爪伸向了微博网红们，我们找找谁是最美网红。今天的流程如下：

网页分析

这里的微博网红链接：https://weibo.com/a/hot/7549094253303809_1.html，这个是微博关注中的新鲜事（大家不需要了解太多，就这个url即可）。里面收集了近段时间的热门网红微博。

这个网页简单，我们直接使用lxml库来解析即可。这里就强调一点，这个图片是普清的，进入详细页面可以是高清图片，但我发现只需要将图片的url中的“thumb180”换成“mw690”就可以将图换成高清。例如：

https://ww4.sinaimg.cn/thumb180/6960aeaaly1g23wtlad3sj21sc2dsu0x.jpg
https://ww4.sinaimg.cn/mw690/6960aeaaly1g23wtlad3sj21sc2dsu0x.jpg

爬虫代码

根据上面的思路，我们编写爬虫代码：

import requestsfrom lxml import etreeimport re
headers = {    'cookie':''}
url = 'https://weibo.com/a/hot/7549094253303809_1.html'
res = requests.get(url,headers=headers)html = etree.HTML(res.text)infos = html.xpath('//div[@class="UG_list_a"]')
for info in infos:    name = info.xpath('div[2]/a[2]/span/text()')[0]    content =  info.xpath('h3/text()')[0].strip()    imgs = info.xpath('div[@class="list_nod clearfix"]/div/img/@src')    print(name,content)    i = 1    for img in imgs:        href = 'https:' + img.replace('thumb180','mw690')        print(href)        res_1 = requests.get(href,headers=headers)        fp = open('row_img/' + name + '+' + content + '+' + str(i) + '.jpg','wb')        fp.write(res_1.content)        i = i + 1

记得换上自己的cookie后就可以直接使用啦~

人脸识别API

之前我们就讲解过了人脸识别API的使用，这里把在讲解一遍。

首先，打开网址（http://ai.baidu.com/tech/face），登陆后立即使用，我们首先创建一个人脸识别的应用。api的使用说简单很简单（看文档就好了），说难也很难（大家的阅读能力在慢慢下降）。首先，我们看着文档（https://ai.baidu.com/docs#/Face-Detect-V3/top），一步步来。

接着我们通过API Key和Secret Key获取token：

import requests
ak = ''sk = ''
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}'.format(ak,sk)
res = requests.post(host)print(res.text)

我们拿着token，来请求对应的网页就可以获取图片的内容了。我们拿张超越妹妹的图片做例子~

import base64import json
token = ''
def get_img_base(file):    with open(file,'rb') as fp:        content = base64.b64encode(fp.read())        return content
request_url = "https://aip.baidubce.com/rest/2.0/face/v3/detect"request_url = request_url + "?access_token=" + token
params = {    'image':get_img_base('test.jpg'),    'image_type':'BASE64',    'face_field':'age,beauty,gender'}
res = requests.post(request_url,data=params)result = res.textjson_result = json.loads(result)code = json_result['error_code']gender = json_result['result']['face_list'][0]['gender']['type']beauty = json_result['result']['face_list'][0]['beauty']print(code,gender,beauty)
### result 0 female 76.25

这里的token为前面请求得到的，params的参数中，图片需要base64编码~超越妹妹76.25，还算给力。

综合使用

最后，我们逐一请求我们保存的图片，获取小姐姐图片的分数（这里处理为1-10分），并分别存在不同的文件夹中。

import requestsimport osimport base64import jsonimport time
def get_img_base(file):    with open(file,'rb') as fp:        content = base64.b64encode(fp.read())        return content
file_path = 'row_img'list_paths = os.listdir(file_path)for list_path in list_paths:    img_path = file_path + '/' + list_path#     print(img_path)
    token = '24.890f5b6340903be0642f9643559aa7a1.2592000.1557979582.282335-15797955'
    request_url = "https://aip.baidubce.com/rest/2.0/face/v3/detect"    request_url = request_url + "?access_token=" + token
    params = {        'image':get_img_base(img_path),        'image_type':'BASE64',        'face_field':'age,beauty,gender'    }
    res = requests.post(request_url,data=params)    json_result = json.loads(res.text)    code = json_result['error_code']    if code == 222202:        continue
    try:        gender = json_result['result']['face_list'][0]['gender']['type']        if gender == 'male':            continue        beauty = json_result['result']['face_list'][0]['beauty']        new_beauty = round(beauty/10,1)        print(img_path,new_beauty)        if new_beauty >= 8:            os.rename(os.path.join(file_path,list_path),os.path.join('8分',str(new_beauty) +  '+' + list_path))        elif new_beauty >= 7:            os.rename(os.path.join(file_path,list_path),os.path.join('7分',str(new_beauty) +  '+' + list_path))        elif new_beauty >= 6:            os.rename(os.path.join(file_path,list_path),os.path.join('6分',str(new_beauty) +  '+' + list_path))        elif new_beauty >= 5:            os.rename(os.path.join(file_path,list_path),os.path.join('5分',str(new_beauty) +  '+' + list_path))        else:            os.rename(os.path.join(file_path,list_path),os.path.join('其他分',str(new_beauty) +  '+' + list_path))        time.sleep(1)
    except KeyError:        pass    except TypeError:        pass