mac下 如何简单粗暴 使用Python进行网络爬虫(1)

首先推荐几个 必须要掌握的类库 

Requests: HTTP for Humans

它是以这么一句话介绍自己的,为人类使用的HTTP库

http://docs.python-requests.org/zh_CN/latest/user/quickstart.html 中文文档

 

Beautifulsoup

用Beautiful Soup解析网站源代码 代替正则

https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html 中文文档

 

开发环境:Mac 

IDE:PyCharm (个人感觉非常好用)

游览器:Safari


第一步 我们进行最简单的爬虫 我选择的目标是 糗事百科 https://www.qiushibaike.com/text/

我们所需要的 就是 红框里这些文字 其余乱七八糟的广告 我们压根也不用 怎么办呢?  Safari游览器中 右键点击 检查元素

爬虫抓取公网图片是一项常见任务,在Python中有多种库可以协助完成这项工作。以下是简化的步骤指南以及使用的工具。 ### 步骤一:确定目标网页 首先明确你要从哪个网站上获取图片,并确保该操作符合法律规范及道德准则,即遵守各平台的服务条款并尊重版权等规定。 ### 步骤二:选择合适的HTTP请求库发送网络请求 `requests` 库是一个非常好用的选择用于发起GET、POST等方式的http(s) 请求. ```python import requests response = requests.get('https://example.com') ``` ### 步骤三:解析HTML文档定位到img标签内的src属性值 对于静态页面而言,可以直接通过BeautifulSoup 或者lxml 来进行DOM 解析;如果是动态加载内容,则可能需要用到Selenium 模拟浏览器行为加载完整数据后再做处理. 这里我们先讨论简单的案例 - 静态页面: ```python from bs4 import BeautifulSoup soup = BeautifulSoup(response.text,'html.parser') # 初始化BS对象 images = soup.find_all("img") # 查找所有 img 标签元素列表 urls =[i['src'] for i in images if 'src' in dict(i.attrs)]# 获取每个图像链接URL路径组成的数组 print(urls) ``` >注意:并不是所有的 `img` 元素都会有 `src`,所以在实际应用中最好加上判断条件过滤掉无效条目 ### 步骤四:下载保存文件至本地磁盘 最后一步就是将远程服务器提供的资源流式传输回来存储成本地副本了。 下面的例子会创建一个名为 "downloads" 的目录存放所得到的所有jpg格式图形素材: ```python import os.path as osp for url in urls: try: ext=url.split('.')[-1] # 提取出url 中最后一个"." 后面的部分作为扩展名(简单粗暴) filename=f"./downloads/{hash(url)}.{ext}" r=requests.get(url,stream=True)# 设置 stream 参数为 True 表示开启流模式读取消息体而不是一次性全部接收下来 with open(filename,"wb")as f: for chunk in r.iter_content(chunk_size=8196): if not chunk :break f.write(chunk) print(f"{filename} Saved.") except Exception as e : print(e) ``` 以上就是一个基础版本的 Python 图片采集脚本框架啦~不过需要注意的是,由于涉及到大量的I/O密集型运算,所以建议对并发量加以限制避免造成过大负载影响性能甚至导致程序崩溃。同时也要考虑对方站点是否会因为频繁访问而封禁IP地址等问题哦!
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值