手把手教你用Python爬虫煎蛋妹纸海量图片

我们的目标是用爬虫来干一件略污事情
最近听说煎蛋上有好多可爱的妹子,而且爬虫从妹子图抓起练手最好,毕竟动力大嘛。而且现在网络上的妹子很黄很暴力,一下接受太多容易营养不量,但是本着有人身体就比较好的套路,特意分享下用点简单的技术去获取资源。
 
请先准备’作案工具”
我们只准备最简单的

Quote:

python 2.7.11

    

Google Chrome

    

安装的时候记得把pip带上,这样可以方便我们安装一些好用的包,来方便我们干坏事(学习)的过程。

需要用到的包
Quote:

包括更佳符合人类的HTTP库–requests

    
用来解析html文件,快速提取我们需要的内容–beautifulsoup4

也可以用下面的命令快速安装
Quote:

pip install requests
pip install beautifulsoup4

干正事
从一次正常需求说起
每天在互联网上冲来冲去,浏览着大量的信息,观看这各种鼻血喷发的图片,于是作为新时代青年的我们,怎么能忍受被这些大量的垃圾信息充斥的互联网,我们要反抗,我们要下载!

请,看,下,图
    ↓

 

 

当你在网上冲浪的时候遇到这样的图片,我就问你:

虐不虐?虐死了!

下不下?下!
开始吧
获取图片的CSS选择器的规则
首先,我们需要定位我们需要的图片
 

根据我们之前的准备的作案工具,使用chrome来访问网页http://jandan点net/ooxx 

然后打开开发者工具菜单 -> 更多工具 -> 开发者工具 
看下图右边的神器
 
点击这个图标会出现块选择器,

    鼠标移动我们感兴趣的部分
 
按照图片指示点击区域

 
右边神器中就会出现我们所需要的img标签
 
查看之前最后一个以#comments开头的标签, 

它包含了所有img的子标签。
下面让我们来一些’神秘的事”
打开cmd或者终端 输入python  
 
输入以下神秘代码
Quote:

import requests

from bs4 import BeautifulSoup
res = requests.get(‘http://jandan.net/ooxx’)

html = BeautifulSoup(res.text) for index, each in enumerate(html.select(‘#comments img’)):

    with open(‘{}.jpg’.format(index), ‘wb’) as jpg:

        jpg.write(requests.get(each.attrs[‘src’], stream=True).content)

现在偷偷看一下你的当前目录

是不是有很多(污)的图片
 
呃,其实是这个~
 
名词解释
网络爬虫
网络爬虫(又被称为网页蜘蛛,网络机器人,在FOAF社区中间,更经常的称为网页追逐者),是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。

爬虫的使用对很多工作都是很有用的,但是对一般的社区,也需要付出代价。使用爬虫的代价包括:
网络资源:在很长一段时间,爬虫使用相当的带宽高度并行地工作。
服务器超载:尤其是对给定服务器的访问过高时。
质量糟糕的爬虫,可能导致服务器或者路由器瘫痪,或者会尝试下载自己无法处理的页面。
个人爬虫,如果过多的人使用,可能导致网络或者服务器阻塞。
适用场景
1 为您的应用系统等检测“机器人”数据流量 
2 为您的业务系统提供恶意IP、手机号码数据,为恶意注册、登录、交易、刷单、黄牛等场景提供数据支持 
3 为企业内部风控部门提供多纬度、分场景、更及时、全局联防的底层数据支撑 
4 对恶意爬虫(爬取企业核心数据等)多纬度数据支撑 
5 其他……

本文来自网络,不代表本站立场,转载请注明出处:万道一,Wonder One » 手把手教你用Python爬虫煎蛋妹纸海量图片
莫要搞事情哦
你喜欢的人刚好也未喜欢你
张学友刘德华邓紫琪已关注
赞(0) 打赏

赏点小费吧客倌

微信扫一扫打赏