先上效果图吧,no pic say bird!
我之前写了一个抓取妹子资料的文章，主要是使用selenium来模拟网页操作，然后使用动态加载，再用xpath来提取网页的资料，但这种方式效率不高。用Python来找合适的妹子（一）
所以今天我再补一个高效获取数据的办法.由于并没有什么模拟的操作，一切都可以人工来控制，所以也不需要打开网页就能获取数据!
但我们需要分析这个网页，打开网页 http://www.lovewzly.com/jiaoyou.html 后，按F12,进入Network项中
url在筛选条件后，只有page在发生变化，而且是一页页的累加，而且我们把这个url在浏览器中打开，会得到一批json字符串,所以我可以直接操作这里面的json数据，然后进行存储即可!
代码结构图:
操作流程:
headers 一定要构建反盗链以及模拟浏览器操作，先这样写，可以避免后续问题! 条件拼装 然后记得数据转json格式 然后对json数据进行提取， 把提取到的数据放到文件或者存储起来
主要学习到的技术:
- 学习requests urllib
- 操作execl
- 文件操作
- 字符串
- 异常处理
- 另外其它基础
请求数据
代码语言：javascript复制 def craw_data(self):
'''数据抓取'''
headers = {
'Referer': 'http://www.lovewzly.com/jiaoyou.html',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4620.400 QQBrowser/9.7.13014.400'
}
page = 1
while True:
query_data = {
'page':page,
'gender':self.gender,
'starage':self.stargage,
'endage':self.endgage,
'stratheight':self.startheight,
'endheight':self.endheight,
'marry':self.marry,
'salary':self.salary,
}
url = 'http://www.lovewzly.com/api/user/pc/list/search?' urllib.urlencode(query_data)
print url
req = urllib2.Request(url, headers=headers)
response = urllib2.urlopen(req).read()
# print response
self.parse_data(response)
page = 1字段提取
代码语言：javascript复制 def parse_data(self,response):
'''数据解析'''
persons = json.loads(response).get('data').get('list')
if persons is None:
print '数据已经请求完毕'
return
for person in persons:
nick = person.get('username')
gender = person.get('gender')
age = 2018 - int(person.get('birthdayyear'))
address = person.get('city')
heart = person.get('monolog')
height = person.get('height')
img_url = person.get('avatar')
education = person.get('education')
print nick,age,height,address,heart,education
self.store_info(nick,age,height,address,heart,education,img_url)
self.store_info_execl(nick,age,height,address,heart,education,img_url)文件存放
代码语言：javascript复制 def store_info(self, nick,age,height,address,heart,education,img_url):
'''
存照片,与他们的内心独白
'''
if age < 22:
tag = '22岁以下'
elif 22 <= age < 28:
tag = '22-28岁'
elif 28 <= age < 32:
tag = '28-32岁'
elif 32 <= age:
tag = '32岁以上'
filename = u'{}岁_身高{}_学历{}_{}_{}.jpg'.format(age,height,education, address, nick)
try:
# 补全文件目录
image_path = u'E:/storehttps://img.yuanmabao.com/zijie/pic/{}'.format(tag)
# 判断文件夹是否存在。
if not os.path.exists(image_path):
os.makedirs(image_path)
print image_path ' 创建成功'
# 注意这里是写入图片，要用二进制格式写入。
with open(image_path '/' filename, 'wb') as f:
f.write(urllib.urlopen(img_url).read())
txt_path = u'E:/store/txt'
txt_name = u'内心独白.txt'
# 判断文件夹是否存在。
if not os.path.exists(txt_path):
os.makedirs(txt_path)
print txt_path ' 创建成功'
# 写入txt文本
with open(txt_path '/' txt_name, 'a') as f:
f.write(heart)
except Exception as e:
e.messageexecl操作
代码语言：javascript复制 def store_info_execl(self,nick,age,height,address,heart,education,img_url):
person = []
person.append(self.count) #正好是数据条
person.append(nick)
person.append(u'女' if self.gender == 2 else u'男')
person.append(age)
person.append(height)
person.append(address)
person.append(education)
person.append(heart)
person.append(img_url)
for j in range(len(person)):
self.sheetInfo.write(self.count, j, person[j])
self.f.save(u'我主良缘.xlsx')
self.count = 1
print '插入了{}条数据'.format(self.count)源码地址：https://github.com/pythonchannel/python27/blob/master/test/meizhi.py
