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最简单的图片爬虫,20行代码带你爬遍整个网站

Python最简单的图片爬虫,20行代码带你爬遍整个网站

作者头像
松鼠爱吃饼干
发布2020-09-15 15:49:11
15.5K0
发布2020-09-15 15:49:11
举报
文章被收录于专栏:Python分享Python分享

前言

网络上的信息很多,有的时候我们需要关键字搜索才可以快速方便的找到我们需要的信息。今天我们实现搜索关键字爬取堆糖网上相关的美图,零基础学会通用爬虫,当然我们还可以实现多线程爬虫,加快爬虫爬取速度

我们之前写的爬虫都是单个线程的?这怎么够?一旦一个地方卡到不动了,那不就永远等待下去了?为此我们可以使用多线程或者多进程来处理。

知识点:

认识和了解爬虫、爬虫思路、urllib.parse、jsonpath库

环境:

windows、pycharm、python3

第三方库:

requests、jsonpath

导入模块

代码语言:javascript
复制
import urllib.parse
import json
import requests
import jsonpath

确定目标网址

代码语言:javascript
复制
url = 'https://www.duitang.com/napi/blog/list/by_search/?kw={}&start={}'

分析网站,确定爬取目标

代码语言:javascript
复制
label = '美女'
label = urllib.parse.quote(label)

发送请求,提取数据

代码语言:javascript
复制
num = 0
for index in range(0,2400,24):
    u = url.format(label,index)
    we_data = requests.get(u).text

类型转换

代码语言:javascript
复制
    html = json.loads(we_data)
    photo = jsonpath.jsonpath(html,"$..path")

保存数据

代码语言:javascript
复制
for i in photo:
        a = requests.get(i)
        with open(r'C:\Users\Administrator\Desktop\tupian\{}.jpg'.format(num),'wb') as f:
            f.write(a.content)  # 二进制
        num += 1

运行代码,效果如下图:

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-06-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 松鼠爱吃饼干 微信公众号,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
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