二次元肥宅最喜歡的壁紙圖片，這不把它爬取下來對不起自己-有解無憂

本文的文字及圖片來源于網路,僅供學習、交流使用,不具有任何商業用途,著作權歸原作者所有,如有問題請及時聯系我們以作處理

本文章來著騰訊云作者：python學習教程
在這里插入圖片描述

在這里插入圖片描述
注：某憨批朋友發來的一個網址

其實這個網站的壁紙還是不錯的嘛，果然是二次元肥宅的最愛~

所以… 爬它

相關python開發工具

Python 3.6
Pycharm
requests
parsel
相關模塊pip安裝即可

安裝速度慢可以使用鏡像源安裝

以前發過解決pip安裝速度慢的問題

一、獲取詳情頁url地址以及標題
在這里插入圖片描述
圖片詳情頁是在 ul 標簽里面的 li 標簽下面的

所以只需要請求網址，網站是靜態頁面可以直接獲取網頁資料，但是網頁文字是亂碼，轉碼即可，，

關于動漫類一共是16頁資料

'''
# 第一頁鏈接
http://www.jj20.com/bz/ktmh/list_16_cc_14_1.html
# 第二頁鏈接
http://www.jj20.com/bz/ktmh/list_16_cc_14_2.html
# 第三頁鏈接
http://www.jj20.com/bz/ktmh/list_16_cc_14_2.html
'''

根據頁碼的改變對應的是第幾頁，

一般情況如果想要找到翻頁的效果，是需要從第二頁開始找的，

上述是已經找到答案的情況，但是實際情況你第一頁的url是有所不同的

http://www.jj20.com/bz/ktmh/list_16_cc_14.html

實際上第一頁url是沒有頁面引數的，只有到了第二頁的時候才會有頁碼引數，然后你可以看第三頁的url變化，就可以對比發現規則，然后根據規則拼接第一頁的url地址，看是否也可以訪問，如果可以，那么翻頁規律就找到，如果不可以，那就要根據實際情況再作分析了，

import requests
import parsel

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
for page in range(1, 17):
    url = 'http://www.jj20.com/bz/ktmh/list_16_cc_14_{}.html'.format(page)
    response = requests.get(url=url, headers=headers)
    selector = parsel.Selector(response.text)
    lis = selector.css('body > div:nth-child(7) > ul li')
    for li in lis:
        page_url = 'http://www.jj20.com/' + li.css('a:nth-child(1)::attr(href)').get()
        title = li.css('a:nth-child(1) img::attr(alt)').get()

二、獲取壁紙原圖地址

在這里插入圖片描述
詳情頁中如果想要看下一張圖片地址，則是需要點擊下一張，下面也有其余壁紙的輪播

通過開發者工具可以看到，10張圖片壁紙的地址也都是在 li 標簽里面的，復制鏈接看一下是否是原圖

果然不出意外，真的是縮略圖，

那就點擊下載原圖看一下，原圖地址是什么樣的，

'''
# 原圖地址
http://cj.jj20.com/2020/down.html?picurl=/up/allimg/1114/110620113133/201106113133-1.jpg
# li標簽里面的地址
http://img.jj20.com/up/allimg/1114/110620113133/201106113133-1-lp.jpg
'''

1、拼接url地址就可以了

http://cj.jj20.com/2020/down.html?picurl= +
up/allimg/1114/110620113133/201106113133-1.jpg

2、如果你可以自己試一下把 -lp 一樣可以

http://img.jj20.com/up/allimg/1114/110620113133/201106113133-1.jpg

def get_img(page_url, title):
    page_url_response = requests.get(url=page_url, headers=headers)
    page_url_response.encoding = page_url_response.apparent_encoding
    page_url_selector = parsel.Selector(page_url_response.text)
    lis_2 = selector.css('#showImg li img::attr(src)').getall()
    for i in lis_2:
        # 原圖壁紙地址
        #  http://pic.jj20.com/up/allimg/1114/110620113133/201106113133-1.jpg
        # li標簽壁紙地址
        # http://img.jj20.com/up/allimg/1114/110620113133/201106113133-1-lp.jpg
        img_url = i.replace('-lp.jpg', '.jpg')
        img_title = title + img_url.split('-')[-1]

三、保存壁紙圖片

保存沒什么特別要說的，都是常規操作，固定寫法了，圖片、視頻、音頻都是二進制檔案，用wb的方式寫入就可以了，

def download(img_url, img_title):
    path = 'img\\' + img_title
    img_url_response = requests.get(url=img_url, headers=headers)
    with open(path, mode='wb') as f:
        f.write(img_url_response.content)
        print(img_url, img_title)

四、實作效果

在這里插入圖片描述

沒有爬完所有的，就爬了1000多張，有點占地方，主要是演示一下，

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/237443.html

標籤：其他

上一篇：最近最火的《大秦賦》，用Python抓取相關資料，發現了秘密

下一篇：Java之String重點決議