python爬虫学习之爬取169图片网站

169美女图片网以健康、美丽、年轻、时尚的审美定位，为广大网友展现美女的外形美，欣赏当代年轻女性一代的美丽与情怀。

源码分享：

 1 '''
 2 在学习过程中有什么不懂得可以加我的
 3 python学习交流扣扣qun，934109170
 4 群里有不错的学习教程、开发工具与电子书籍。
 5 与你分享python企业当下人才需求及怎么从零基础学习好python，和学习什么内容。
 6 '''
 7 import requests
 8 from pyquery import PyQuery as pq
 9 import os
10 headers={
11     'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 SE 2.X MetaSr 1.0'
12 }
13  
14 #下载图片的模块
15 def Download_the_module(file,tehurl):
16     count = 1
17     # 进入网站下载图片
18     The_second_request = requests.get(tehurl, headers=headers).text
19     # 下载
20     The_doc = pq(The_second_request)
21     Download_the_pictures = The_doc('.big_img')
22     Take_out_the=pq(Download_the_pictures.html())
23     Extract_the=Take_out_the.find('img').items()
24     for i in Extract_the:
25         save=i.attr('src')
26         #print(save)
27         The_sponse=requests.get(save,headers=headers)
28         The_name='F:/图片/'+file
29         Save_the_address = str(The_name)
30         # 检测是否有image目录没有则创建
31         if not os.path.exists(Save_the_address):
32  
33  
34             os.makedirs('F:/图片/' + file)
35         else:
36  
37  
38             with open(Save_the_address+'/%s.jpg'%count,'wb')as f:
39                 f.write(The_sponse.content)
40                 print('已经下载了%s张'%count)
41             count += 1
42 #爬取地址
43 def Climb_to_address(page):
44  
45     URL='https://www.169tp.com/gaogensiwa/list_3_%s.html'%page
46     sponse=requests.get(URL,headers=headers)
47     sponse.encoding='gbk'
48     encodin=sponse.text
49     doc=pq(encodin)
50     extract=doc('.pic').items()
51     for i in extract:
52         #文件名
53         The_file_name=i.text()
54         #提取到的网站
55         The_url=i.attr('href')
56  
57         Download_the_module(The_file_name,The_url)
58  
59 #一共有616页
60 a=int(input('请输入开始爬取的页数:'))
61 b=int(input('请输入结束爬取的页数:'))
62 Climb_to_address(a,b)

 

用Python的一个好处就是能代替我们做重复性的工作，释放我们的劳动力，让我们有时间去做我们喜欢的事情(偷懒)。

本次爬虫其实还有两个问题，一个是：爬取的这个网站没有任何的防爬机制，所以你基本不用费什么力气去加header啊，设置session，cookie这些，也为我们提供了极大的便利，代码写起来也简单。第二个问题是：程序不能中断，一但中断了就要重头开始下载，所以应该要有个方法可以来设置爬虫从哪里开始爬取。这个问题其实也不难解决，就当做是家庭作业吧，大家有空可以去试试！