Python骚操作：爬虫爬取性感美女图，已装满我硬盘！

作为一名兢兢业业的猿，我们的工作就是写代码and找Bug，这种技术活周围的妹子比较少，为了防止工作乏味有了程序员鼓励师这个职业，当然并不是所有的公司都会给我们配备，这个时候我们就需要用自己的长处“自己创造”！

如果你对编程感兴趣或者想往编程方向发展，可以关注微信公众号【筑梦编程】，大家一起交流讨论！小编也会每天定时更新既有趣又有用的编程知识！

GitHub:https://github.com/injetlee/Python/blob/master/%E7%88%AC%E8%99%AB%E9%9B%86%E5%90%88/meizitu.py

本文目标

1. 熟悉 Requests 库，Beautiful Soup 库

2. 熟悉多线程爬取

3. 送福利，妹子图

先来看看爬虫爬取的成果：

 

其实这个项目去年就写好了，只是自己先消化一下，所以今天才放出来给大家看看！

网站结构

爬取的目标网址：http://meizitu.com/a/more_1.html 

进去后就如同下图所示：

 

这种图示一组一组的套图，点击一张图片可以进入这些套图的里面，大概一组套图有10张左右的图片，这些图还是1字排开的！

实现思路

看了界面的结构，那么我们的思路就有了。

1. 构造几个URL链接，然后请求上面套图的列表，获取到每个页面的套图列表！

2. 进入每一组套图里面，然后获取每组套图里的每张图片！

废话不多说，直接上代码了

1. 下载界面的函数,利用 Requests 很方便实现。

def download_page(url): ''' 用于下载页面 ''' headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0"} r = requests.get(url, headers=headers) r.encoding = 'gb2312' return r.text

1. 获取套图的列表，Link是套图的链接（应该注释一下），text是套图的名字！

def get_pic_list(html):

'''

获取每个页面的套图列表,之后循环调用get_pic函数获取图片

'''

soup = BeautifulSoup(html, 'html.parser')pic_list = soup.find_all('li', class_='wp-item')for i in pic_list:a_tag = i.find('h3', class_='tit').find('a')link = a_tag.get('href') # 套图链接text = a_tag.get_text() # 套图名字get_pic(link, text)

1. 传入上一步中获取到的套图链接及套图名字,获取每组套图里面的图片,并保存,我在代码中注释了。

def get_pic(link, text): ''' 获取当前页面的图片,并保存 ''' html = download_page(link) # 下载界面 soup = BeautifulSoup(html, 'html.parser') pic_list = soup.find('div', id="picture").find_all('img') # 找到界面所有图片 headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0"} create_dir('pic/{}'.format(text)) for i in pic_list: pic_link = i.get('src') # 拿到图片的具体 url r = requests.get(pic_link, headers=headers) # 下载图片，之后保存到文件 with open('pic/{}/{}'.format(text, pic_link.split('/')[-1]), 'wb') as f: f.write(r.content) time.sleep(1)

完整代码

完整代码放在下面，利用多线程去爬取（其实也不多，5个罢了）

import requestsimport osimport timeimport threadingfrom bs4 import BeautifulSoupdef download_page(url): ''' 用于下载页面 ''' headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0"} r = requests.get(url, headers=headers) r.encoding = 'gb2312' return r.textdef get_pic_list(html): ''' 获取每个页面的套图列表,之后循环调用get_pic函数获取图片 ''' soup = BeautifulSoup(html, 'html.parser') pic_list = soup.find_all('li', class_='wp-item') for i in pic_list: a_tag = i.find('h3', class_='tit').find('a') link = a_tag.get('href') text = a_tag.get_text() get_pic(link, text)def get_pic(link, text): ''' 获取当前页面的图片,并保存 ''' html = download_page(link) # 下载界面 soup = BeautifulSoup(html, 'html.parser') pic_list = soup.find('div', id="picture").find_all('img') # 找到界面所有图片 headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0"} create_dir('pic/{}'.format(text)) for i in pic_list: pic_link = i.get('src') # 拿到图片的具体 url r = requests.get(pic_link, headers=headers) # 下载图片，之后保存到文件 with open('pic/{}/{}'.format(text, pic_link.split('/')[-1]), 'wb') as f: f.write(r.content) time.sleep(1) # 休息一下，不要给网站太大压力，避免被封def create_dir(name): if not os.path.exists(name): os.makedirs(name)def execute(url): page_html = download_page(url) get_pic_list(page_html)def main(): create_dir('pic') queue = [i for i in range(1, 72)] # 构造 url 链接 页码。 threads = [] while len(queue) > 0: for thread in threads: if not thread.is_alive(): threads.remove(thread) while len(threads) < 5 and len(queue) > 0: # 最大线程数设置为 5 cur_page = queue.pop(0) url = 'http://meizitu.com/a/more_{}.html'.format(cur_page) thread = threading.Thread(target=execute, args=(url,)) thread.setDaemon(True) thread.start() print('{}正在下载{}页'.format(threading.current_thread().name, cur_page)) threads.append(thread)if __name__ == '__main__': main()

好了，之后运行，我们的爬虫就会孜孜不倦的以5倍的效率为我们下载漂亮妹子的图片啦。