别人的六一兴高彩烈,我的六一苦逼的敲代码采集壁纸~

前言

嗨喽，大家好呀！这里是魔王呐~

在这里插入图片描述

环境使用:

Python 3.8 解释器
Pycharm 编辑器

所使用模块

import re
import requests >>> pip install requests

如果安装python第三方模块:

win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
在pycharm中点击Terminal(终端) 输入安装命令

基本思路流程:

发送请求
模拟浏览器对于url地址发送请求, 获取服务器返回响应数据
伪装 headers 请求头
获取数据
解析数据
提取我们想要的内容
保存数据

在这里插入图片描述

代码

import requests  # 用来发送请求模块<工具>
import re  # 提取数据工具
for page in range(6, 11):
    url = f'http://www.netbian.com/index_{page}.htm' # 发送请求
    # headers 字典数据类型,
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.54 Safari/537.36',
    }
    response = requests.get(url=url, headers=headers)
    response.encoding = 'gbk'   # 获取网页内容,返回出现乱码
    print(response.text)  # 获取网页源代码
    # 获取壁纸名字以及壁纸详情页url地址  从什么地方找什么样数据内容,  从response.text 里面找<li><a href="(.*?)"title="(.*?)" target="_blank">
    # (.*?) 就是我们想要数据
    html_info = re.findall('<li><a href="(.*?)" title="(.*?)" target="_blank">', response.text)
    print(html_info)
    for link, title in html_info:
        # http://www.netbian.com/desk/27062.htm
        link_url = 'http://www.netbian.com' + link  # 字符串拼接
        response_1 = requests.get(url=link_url, headers=headers)
        response_1.encoding = 'gbk'
        # print(response_1.text)
        img_url = re.findall('<img src="(.*?)" alt=".*?"', response_1.text)[0]

        img_content = requests.get(url=img_url).content
        with open('img\\' + title + '.jpg', mode='wb') as f:
            f.write(img_content)
        print(img_url, title)