(python爬虫实例100例)(爬虫)

今天给大家带来【爬虫实战100例】之41篇，爬虫之路永无止境。

爬取目标

网址：尺度有点大，遭不住...

效果展示

工具准备

开发工具：pycharm 开发环境：python3.7， Windows11 使用工具包：requests

项目解析思路

获取当当前网页的跳转地址，当前页面为主页面数据，我们需要的数据别有一番天地，获取到网页信息提取出所有的跳转地址，获取到源码里的a标签就行当前网页的加载方式为静态数据，直接请求网页地址；

url = 'https://www.xxxx.com/

从源代码里提取到所有的跳转地址

提取的方式可自行选择，小编这里使用正则的方式提取数据，提取详情页面的地址以及标题，用来保存图片起名字，获取到进入详情页面的地址后对地址发送请求，详情页面的数据也分为很多的页面，每个页面有好几张图片，需要对网址进行拼接，构造出新的地址信息，

for i in range(1, int(page_num[0]) + 1): new_url = info_url.replace('.html', f'_{i}.html') jpg_data = requests.get(new_url, headers=headers).content.decode('gbk')

请求之后提取出所有的图片地址再对图片地址发送请求，保存数据大功告成！！

简易源码分享

'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36' url = 'https://www.xxxx.com/guoneimeinv/list_5_{}.html'.format(i) response = requests.get(url, headers=headers) data_list = re.findall('</a> </li><li><a href="(.*?)" class="pic" target="_Blank" alt="(.*?)">', response.content.decode('gbk'))for info_url, title in data_list: res = requests.get(info_url, headers=headers).content.decode('gbk') page_num = re.findall('<li><a>共(.*?)页: </a></li><li>', res)for i in range(1, int(page_num[0]) + 1): new_url = info_url.replace('.html', f'_{i}.html') jpg_data = requests.get(new_url, headers=headers).content.decode('gbk') jpg_url_list = re.findall('<p align="center"><img src="(.*?)" /></p><br/>', jpg_data)for jgp_url in jpg_url_list: result = requests.get(jgp_url, headers=headers).content f = open('1000图库/' + title + "-" + str(num) + ".jpg", 'wb')print(f"正在下载{title}第{num}张")