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。

以后如果有机会,再给大家说说日本爱情动(大)作(雾)的种子搜索爬取,多多关注。

8c66c6cec3fdfc0301a33d68d23f8794a6c226a5_副本.jpg

请先准备

作案工具

我们只准备最简单的

          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

        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

         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

虐不虐配图1.jpg

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

01,虐不虐.png


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

02右边的神器.png

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

03感兴趣的部分.png

按照图片指示点击区域

04点击区域.png

右边神器中就会出现我们所需要的img标签

05需要的img标签.png

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

06输入python_副本.png

输入以下神秘代码

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

07好羞羞的有很多图片_副本.png

咳咳是这样的

07好羞羞的有很多图片.png

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
对恶意爬虫(爬取企业核心数据等)多纬度数据支撑
5 其他……

是不是还不够

行踪不定的下期预告


转载请注明出处 AE博客|墨渊 » 手把手教你用Python爬虫煎蛋妹纸海量图片

发表评论

路人甲

网友评论(0)