手把手教你用Python爬虫煎蛋妹纸海量图片【岂安低调分享】

图1

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)(雾)片的种子搜索爬取,多多关注。

请先准备

——作案工具

1.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。

2.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

3.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 ↓ 图2

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

1.首先,我们需要定位我们需要的图片

图3

2.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

图4

3.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

图5

4.按照图片指示点击区域

图6

5.右边神器中就会出现我们所需要的img标签

图7

6.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

1。打开cmd或者终端,输入python

图8

2.输入以下神秘代码

1.import requests
2.from bs4 import BeautifulSoup
3.
4.res = requests.get('http://jandan.net/ooxx')
5.html = BeautifulSoup(res.text)
6.for index, each in enumerate(html.select('#comments img')):
7.    with open('{}.jpg'.format(index), 'wb') as jpg:
8.        jpg.write(requests.get(each.attrs['src'], stream=True).content)

3.现在偷偷看一下你的当前目录,是不是有很多(污)的图片

图9

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。

点击免费申领业务风险情报产品

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……