目录
目标
第一步：拿到子页面链接
总结：
爬虫的基本思路
详细思路：
如果有
如果没有
活动地址：CSDN21天学习挑战赛
学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩；迟一天就多一天平庸的困扰。各位小伙伴，如果您： 想系统/深入学习某技术知识点… 一个人摸索学习很难坚持，想组团高效学习… 想写博客但无从下手，急需写作干货注入能量… 热爱写作，愿意让自己成为更好的人…
本次文章全部从该网址爬取（doge）
【唯美壁纸】桌面壁纸唯美小清新_唯美手机壁纸_电脑桌面壁纸高清唯美大全 - 优美图库 (umei.cc)
目标
首先想要爬取图片，我需要在网站的首页中，找到子页面的链接（因为在首页中的图片为缩略图，不够高清doge），然后请求到子页面，。
也就是说，想要把大象。。。呸
想要下载该网站的图片（高清大图），需要三步，
第一步，在主页面中拿到每个图片的子页面链接
第二步，在子页面中找到真正的图片下载链接
第三步，下载图片
第一步：拿到子页面链接
代码语言：javascript复制def main_page():#定义一个函数
with open("childPage.txt",mode="w") as f:#创建一个名为childPage.txt的文件
for i in range(1,56):#规定爬取数量
try:
resp = requests.get(f"https://www.umei.cc/bizhitupian/we
imeibizhi/{i}.htm")
# <meta http-equiv="Content-Type"
content="text/html; charset=utf-8" />
resp.encoding = 'utf-8' # 处理中
⽂乱码, 这⾥要和⻚⾯上的charset对应
main_page = BeautifulSoup(resp.text, "html.parser")
typeListDiv =
main_page.find("div", attrs={"class":"TypeList"})
main_a_list =typeListDiv.find_all("a")
for main_a in main_a_list:
href = main_a.get("href") #拿到某⼀个标签中xxx属性的值
f.write(href)
f.write("n")
print(f"https://www.umei.cc/bizhitupian/weimeibizhi/{i}.htm, 成功了!")
time.sleep(0.5)
except:
print(f"https://www.umei.cc/bizhitupian/weimeibizhi/{i}.htm, 出错了")
print(resp.text)
break # 也可以记录下来, 供以后查错第二步：获取到子页面信息，找到下载图片的图片路径
代码语言：javascript复制def child_page():
with open("childPage.txt", mode="r") as
f:
for line in f:
line = line.strip()
resp = requests.get(line)
resp.encoding='utf-8'
child = BeautifulSoup(resp.text,"html.parser")
div = child.find("div",
class_="ImageBody")
img = div.find("img")
if img:
src = img.get("src")
print(src)
else:
print(line, "没有图⽚")第三步：下载图片
代码语言：javascript复制def download_img(src):
with open("img/" src.split("/")[-1],mode="wb") as f:
resp = requests.get(src) # 下载图⽚
f.write(resp.content) # 图⽚写⼊⽂件
print(src, "down!"）最后运行时要把img文件设置为excluded,否则pycharm会很卡。
总结：
爬虫的基本思路
1、打开一个具体的网页
2、编写代码访问这个网页并访问数据
3、解析自己想要的数据
详细思路：
1、打开网页
2、查看网站源代码，并查找自己所需要的数据
如果有
这时候打开开发者模式，点击network。这个时候你会看到需要的数据刚好在第一个网址返回。最后编写代码爬取网页并使用xpath解析
如果没有
就打开开发者模式，点击network，刷新。这时并不能在第一个网站中就返回数据。这个时候数据是藏在其他的js等文件中。
