Python爬虫入门教程 12-100 半次元COS图爬取
写在前面 今天在浏览网站的时候，忽然一个莫名的链接指引着我跳转到了半次元网站 https://bcy.net/ 打开之后，发现也没有什么有意思的内容，职业的敏感让我瞬间联想到了 cosplay ，这种网站必然会有这个的存在啊，于是乎，我准备好我的大爬虫了。 把上面的链接打开之后，被我发现了吧，就知道我的第八感不错滴。接下来就是找入口，一定要找到图片链接的入口才可以做下面的操作 这个页面不断往下拖拽，页面会一直加载，当时当你拖拽一会，就停下来了，就是这个时机 发现入口，在我实际的操作中，其实还发现了很多其他的入口，这个就不一一的解释了，赶紧上车，进入 view more 之后，发现了页面依旧是一个下拉刷新的布局方式，专业术语 瀑布流 。 python爬虫第一步 打开开发者工具，切换到network之后，发现 很多xhr请求，发现这个，就代表这个网站很容易爬取了 提取待爬取的链接，分析规律 https://bcy.net/circle/timeline/loadtag?since=0&grid_type=timeline&tag_id=1482&sort=hot https://bcy.net/circle/timeline/loadtag?since=26499.779&grid_type=timeline&tag_id=1482&sort=hot https://bcy.net/circle/timeline/loadtag?since=26497.945&grid_type=timeline&tag_id=1482&sort=hot 发现只有一个参数在变，而且这变化好像没有任何规律可以寻找，没事，看数据，你就可以发现其中的奥妙了 这个网站的原理很简单，就是通过不断获取每次数据的最后一条的since然后获取接下来的数据，那么我们按照它的规律实现代码就可以了，不要多线程了，这种规律是没有办法进行实操的。这次的数据我把它存储到mongodb里面，因为没有办法一次全部获取到，所以可能需要下次在继续使用 if __name__ == '__main__': ### mongodb 的一些基本操作 DATABASE_IP = '127.0.0.1' DATABASE_PORT = 27017 DATABASE_NAME = 'sun' start_url = "https://bcy.net/circle/timeline/loadtag?since={}&grid_type=timeline&tag_id=399&sort=recent" client = MongoClient(DATABASE_IP, DATABASE_PORT) db = client.sun db.authenticate("dba", "dba") collection = db.bcy # 准备插入数据 #####################################3333 get_data(start_url,collection) 获取网页数据这个地方，由我们前面的经验就变得很简单了 # 获取数据函数 def get_data(start_url,collection): since = 0 while 1: try: with requests.Session() as s: response = s.get(start_url.format(str(since)),headers=headers,timeout=3) res_data = response.json() if res_data["status"] == 1: data = res_data["data"] # 获取Data数组 time.sleep(0.5) ## 数据处理 since = data[-1]["since"] # 获取20条数据的最后一条json数据中的since ret = json_handle(data) # 代码实现在下面 try: print(ret) collection.insert_many(ret) # 批量出入数据库 print("上述数据插入成功！！！！！！！！") except Exception as e: print("插入失败") print(ret) ## except Exception as e: print("!",end="异常，请注意") print(e,end=" ") else: print("循环完毕") 网页解析代码 # 对JSON数据进行处理 def json_handle(data): # 提取关键数据 list_infos = [] for item in data: item = item["item_detail"] try: avatar = item["avatar"] # 用户头像 item_id = item["item_id"] # 图片详情页面 like_count = item["like_count"] # 喜欢数目 pic_num = item["pic_num"] if "pic_num" in item else 0 # 图片总数 reply_count =item["reply_count"] share_count =item["share_count"] uid = item["uid"] plain = item["plain"] uname = item["uname"] list_infos.append({"avatar":avatar, "item_id":item_id, "like_count":like_count, "pic_num":pic_num, "reply_count":reply_count, "share_count":share_count, "uid":uid, "plain":plain, "uname":uname}) except Exception as e: print(e) continue return list_infos 到现在就实现了，代码跑起来 她专科学历27岁从零开始学习c，c++，python编程语言29岁编写百例教程30岁掌握10种编程语言，用自学的经历告诉你，学编程就找梦想橡皮擦
