重要提醒：網路爬取盜亦有道，本教程僅做技術交流，不做任何商業用途，請大家遵守網路商業環境

#編程新人第一次寫文章，技術不成熟之處望各位大神輕噴，指出來我也可以更快進步，謝謝大家了!!!提前謝謝大家的一鍵三連
#這是爬取后的結果，可自定義爬取頁數，我這里只爬取了2頁（手機熱點開著爬取，爬多了流量著不住啊！！！o(╥﹏╥)o）

先看看爬取結果吧~

1、技術路線

requests：網頁請求
BeautifulSoup：決議html網頁
re：正則運算式，提取html網頁資訊
os：保存檔案

import re
import requests
import os
from bs4 import BeautifulSoup

2、獲取網頁資訊

常規操作，獲取網頁資訊的固定格式，回傳的字串格式的網頁內容，其中headers引數可模擬人為的操作，‘欺騙’網站不被發現

def getHtml(url):  #固定格式，獲取html內容
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
    }  #模擬用戶操作
    try:
        r = requests.get(url, headers=headers)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        print('網路狀態錯誤')

3、網頁爬取分析

右鍵單擊圖片區域，選擇 ‘審查元素’ ,可以查看當前網頁圖片詳情鏈接，我就滿心歡喜的復制鏈接打開保存，看看效果，結果一張圖片只有60幾kb，這就是縮略圖啊，不清晰，果斷舍棄，，，


沒有辦法，只有點擊找到詳情頁鏈接，再進行單獨爬取，
空白右鍵，‘查看頁面源代碼’，把剛剛復制的縮略圖鏈接復制查找快速定位，分析所有圖片詳情頁鏈接存在div標簽，并且class=‘list’ 唯一，因此可以使用BeautifulSoup提取此標簽，并且發現圖片詳情頁鏈接在herf=后面（同時我們注意到有部分無效鏈接也在div標簽中，觀察它們異同，發現無效鏈接存在’https’字樣，因此可在代碼中依據此排出無效鏈接，對應第4條中的函式代碼），只需提取出來再在前面加上網頁首頁鏈接即可打開，并且右鍵圖片，‘審查元素’，復制鏈接下載的圖片接近1M，表示是高清圖片了，到這一步我們只需呼叫下載保存函式即可保存圖片

4、網頁詳情頁鏈接獲取

根據第3條分析的情況，首要目標是將每頁的每個圖片的詳情頁鏈接給爬取下來，為后續的高清圖片爬取做準備，這里直接定義函式def getUrlList(url):

def getUrlList(url):  # 獲取圖片鏈接
    url_list = []  #存盤每張圖片的url，用于后續內容爬取
    demo = getHtml(url)
    soup = BeautifulSoup(demo,'html.parser')
    sp = soup.find_all('div', class_="list") #class='list'在全文唯一，因此作為錨，獲取唯一的div標簽；注意，這里的網頁源代碼是class，但是python為了和class（類）做區分，在最后面添加了_
    nls = re.findall(r'a href="(.*?)"', str(sp)) #用正則運算式提取鏈接
    for i in nls:
        if 'https' in i: #因所有無效鏈接中均含有'https'字串，因此直接剔除無效鏈接（對應第3條的分析）
            continue
        url_list.append('http://www.netbian.com' + i) #在獲取的鏈接中添加前綴，形成完整的有效鏈接
    return url_list

5、依據圖片鏈接保存圖片

同理，在第4條中獲取了每個圖片的詳情頁鏈接后，打開，右鍵圖片’審查元素’，復制鏈接即可快速定位，然后保存圖片

def fillPic(url,page):
    pic_url = getUrlList(url) #呼叫函式，獲取當前頁的所有圖片詳情頁鏈接
    path = './美女'  # 保存路徑
    for p in range(len(pic_url)):
        pic = getHtml(pic_url[p])
        soup = BeautifulSoup(pic, 'html.parser')
        psoup = soup.find('div', class_="pic") #class_="pic"作為錨，獲取唯一div標簽；注意，這里的網頁源代碼是class，但是python為了和class（類）做區分，在最后面添加了_
        picUrl = re.findall(r'src="(.*?)"', str(psoup))[0] #利用正則運算式獲取詳情圖片鏈接，因為這里回傳的是串列形式，所以取第一個元素（只有一個元素，就不用遍歷的方式了）
        pic = requests.get(picUrl).content #打開圖片鏈接，并以二進制形式回傳（圖片，聲音，視頻等要以二進制形式打開）
        image_name ='美女' + '第{}頁'.format(page) + str(p+1) + '.jpg' #給圖片預定名字
        image_path = path + '/' + image_name #定義圖片保存的地址
        with open(image_path, 'wb') as f: #保存圖片
            f.write(pic)
            print(image_name, '下載完畢！！！')

6、main()函式

經過前面的主體框架搭建完畢之后，對整個程式做一個前置化，直接上代碼
在這里第1頁的鏈接是’http://www.netbian.com/meinv/’，第2頁的鏈接是’http://www.netbian.com/meinv/index_2.htm’，并且后續頁面是在第2頁的基礎上僅改變最后的數字，因此在寫代碼的時候要注意區分第1頁和后續頁面的鏈接，分別做處理；同時在main()函式還增加了自定義爬取頁數的功能，詳見代碼

def main():
    n = input('請輸入要爬取的頁數：')
    url = 'http://www.netbian.com/meinv/'  # 資源的首頁，可根據自己的需求查看不同分類，自定義改變目錄，爬取相應資源
    if not os.path.exists('./美女'):  # 如果不存在，創建檔案目錄
        os.mkdir('./美女/')
    page = 1
    fillPic(url, page)  # 爬取第一頁，因為第1頁和后續頁的鏈接的區別，單獨處理第一頁的爬取
    if int(n) >= 2: #爬取第2頁之后的資源
        ls = list(range(2, 1 + int(n)))
        url = 'http://www.netbian.com/meinv/'
        for i in ls: #用遍歷的方法對輸入的需求爬取的頁面做分別爬取處理
            page = str(i)
            url_page = 'http://www.netbian.com/meinv/'
            url_page += 'index_' + page + '.htm' #獲取第2頁后的每頁的詳情鏈接
            fillPic(url, page) #呼叫fillPic()函式

7、全代碼

最后再呼叫main()，輸入需要爬取的頁數，即可開始爬取，完整代碼如下

import re
import requests
import os
from bs4 import BeautifulSoup

def getHtml(url):  #固定格式，獲取html內容
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
    }  #模擬用戶操作
    try:
        r = requests.get(url, headers=headers)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        print('網路狀態錯誤')

def getUrlList(url):  # 獲取圖片鏈接
    url_list = []  #存盤每張圖片的url，用于后續內容爬取
    demo = getHtml(url)
    soup = BeautifulSoup(demo,'html.parser')
    sp = soup.find_all('div', class_="list") #class='list'在全文唯一，因此作為錨，獲取唯一的div標簽；注意，這里的網頁源代碼是class，但是python為了和class（類）做區分，在最后面添加了_
    nls = re.findall(r'a href="(.*?)"', str(sp)) #用正則運算式提取鏈接
    for i in nls:
        if 'https' in i: #因所有無效鏈接中均含有'https'字串，因此直接剔除無效鏈接（對應第3條的分析）
            continue
        url_list.append('http://www.netbian.com' + i) #在獲取的鏈接中添加前綴，形成完整的有效鏈接
    return url_list

def fillPic(url,page):
    pic_url = getUrlList(url) #呼叫函式，獲取當前頁的所有圖片詳情頁鏈接
    path = './美女'  # 保存路徑
    for p in range(len(pic_url)):
        pic = getHtml(pic_url[p])
        soup = BeautifulSoup(pic, 'html.parser')
        psoup = soup.find('div', class_="pic") #class_="pic"作為錨，獲取唯一div標簽；注意，這里的網頁源代碼是class，但是python為了和class（類）做區分，在最后面添加了_
        picUrl = re.findall(r'src="(.*?)"', str(psoup))[0] #利用正則運算式獲取詳情圖片鏈接，因為這里回傳的是串列形式，所以取第一個元素（只有一個元素，就不用遍歷的方式了）
        pic = requests.get(picUrl).content #打開圖片鏈接，并以二進制形式回傳（圖片，聲音，視頻等要以二進制形式打開）
        image_name ='美女' + '第{}頁'.format(page) + str(p+1) + '.jpg' #給圖片預定名字
        image_path = path + '/' + image_name #定義圖片保存的地址
        with open(image_path, 'wb') as f: #保存圖片
            f.write(pic)
            print(image_name, '下載完畢！！！')

def main():
    n = input('請輸入要爬取的頁數：')
    url = 'http://www.netbian.com/meinv/'  # 資源的首頁，可根據自己的需求查看不同分類，自定義改變目錄，爬取相應資源
    if not os.path.exists('./美女'):  # 如果不存在，創建檔案目錄
        os.mkdir('./美女/')
    page = 1
    fillPic(url, page)  # 爬取第一頁，因為第1頁和后續頁的鏈接的區別，單獨處理第一頁的爬取
    if int(n) >= 2: #爬取第2頁之后的資源
        ls = list(range(2, 1 + int(n)))
        url = 'http://www.netbian.com/meinv/'
        for i in ls: #用遍歷的方法對輸入的需求爬取的頁面做分別爬取處理
            page = str(i)
            url_page = 'http://www.netbian.com/meinv/'
            url_page += 'index_' + page + '.htm' #獲取第2頁后的每頁的詳情鏈接
            fillPic(url_page, page) #呼叫fillPic()函式

main()