0001 requests库的简单使用,自动下载百度图片中的图片(优雅地云吸猫)

本文主要是介绍0001 requests库的简单使用,自动下载百度图片中的图片(优雅地云吸猫),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

获取网页的信息

使用reques中的get
为了不让服务器把我们的爬虫当成机器人,我们要写一个请求头
用chrome打开百度,搜索猫的图片
然后打开这个界面
在这里插入图片描述
打开方式有三种:

  1. 按F12
  2. 鼠标右键,点击检查
  3. ctrl + shift +i

我的chrome使用了一个黑色主题,所以打开后是黑色的,一般默认为白色
依次点击NetWork—XHR
在这里插入图片描述
由于百度图片使用了Ajax交互,只有在你下拉滚轮的时候才会显示出更多的图片,所以我们需要下拉几次滚轮
Ajax交互是一种动态的交互网页,只有在你做出向下滚动之类的操作,网页上的资源才会加载出来,并且随时需要随时加载。

可以看到,此时多出了一些内容

在这里插入图片描述
点开其中一个资源,点开preview,可以看到一个data
点开data,可以看到下面有编号从0到29的30个内容
我们随便点开一个,可以看到一个末尾是jpg的url
在这里插入图片描述
我们复制这个url,在地址栏输入,并打开,可以看到一张与猫有关的图片
在这里插入图片描述
在这里插入图片描述
找到了我们要爬取资源的规律,就可以来编写爬虫代码了

打开pycharm,新建一个文件,将requests导入
先写一个小函数,用来获取网页

def get_html(url):html = requests.get(url)print(html.status_code)

根据第零篇文章可知,status_code,也就是状态码,为200时,表示我们可以正常访问
接着,我们在主函数中写下刚才网站的url
url在headers中获取
在这里插入图片描述

if __name__ == '__main__':url = 'http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E7%8C' \'%AB&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=&ic=&hd=&latest=&copyright=&word=%E7%8C%AB&s=&se=&tab' \'=&width=&height=&face=&istype=&qc=&nc=1&fr=&expermode=&force=&pn=30&rn=30&gsm=1e&1581725024787= 'get_html(url)

然后点击main旁边的绿三角运行
可以看到,输出了200,表示我们访问成功
在这里插入图片描述
我们想要下载的图片的url在data里,所以我们要读取data中的数据。
这里网页上的代码是json代码,与python中的字典很相似,所以我们可以使用python中字典的方式获取json中的元素。

result = html.json()['data']

这里调用了requests中的json函数,不过requests是一个第三方的库,这里更推荐官方给出的json库,所以这里我们导入一个json,并把这句改写一下

result = json.loads(html.text)['data']

在这里插入图片描述
这样,我们就可以用一个for循环进行遍历,将图片的url都获取下来。
与图片有关的url有好几个,我们可以选择其中一个即可
在这里插入图片描述
这样,我们就写好了获取图片url的函数

def get_html(url):html = requests.get(url, headers=headers)result = json.loads(html.text)['data']for i in result:if i:print(i['thumbURL'])

在这里插入图片描述
点开一个链接,我们便可以看到图片
在这里插入图片描述
下一步就是要下载这些图片了
还记得我们之前在主函数中写的url吗
那个url下面只有30张图片,所以我们要把url重新写一下
我们下拉网页,可以看到这里出现了很多长得非常像的url
在这里插入图片描述
我们把这些url都复制下来,分析一下

'http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E7%8C%AB&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=&ic=&hd=&latest=&copyright=&word=%E7%8C%AB&s=&se=&tab=&width=&height=&face=&istype=&qc=&nc=1&fr=&expermode=&force=&pn=30&rn=30&gsm=1e&1581725024787='
'http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E7%8C%AB&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=&ic=&hd=&latest=&copyright=&word=%E7%8C%AB&s=&se=&tab=&width=&height=&face=&istype=&qc=&nc=1&fr=&expermode=&force=&pn=60&rn=30&gsm=3c&1581725025100='
'http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E7%8C%AB&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=&ic=&hd=&latest=&copyright=&word=%E7%8C%AB&s=&se=&tab=&width=&height=&face=&istype=&qc=&nc=1&fr=&expermode=&force=&pn=90&rn=30&gsm=5a&1581729618142='

通过分析我们可以看到,pn这一个参数以每30为间隔增长,那么,获取图片最主要的就是靠pn这个参数了。
所以,我们对url进行一下改写,每次改变pn的值,并且每次增加30

    url = ['http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E7%8C' \'%AB&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=&ic=&hd=&latest=&copyright=&word=%E7%8C%AB&s=&se=&tab' \'=&width=&height=&face=&istype=&qc=&nc=1&fr=&expermode=&force=&pn={}&rn=30&gsm=1e&1581725024787= '.format(i)for i in range(30, 100, 30)]

将url改写为一个列表,并且每次让pn后面的值增加30
这样,我们就可以一下获取90个图片的url

接下来是下载。
在与代码相同的目录下面,新建一个名为img的文件夹
为了给下载的图片进行重命名,我们可以使用一个叫uuid的库,它可以生成随机数

def download(url):img = requests.get(url)with open('img/{}.jpg'.format(uuid.uuid4()), 'wb') as f:chunks = img.iter_content(123)for c in chunks:if c:f.write(c)

iter_content里面填的是字节大小,可以控制读写速度,减轻cpu的压力
再在get_html里调用download
在这里插入图片描述
运行,我们便可以看到图片被下载下来了
在这里插入图片描述
但是我们发现,这个图片打不开
在这里插入图片描述
事实上,这是因为服务器识别出了你的爬虫,阻止了它的下载行为
那么,我们如何绕过这个识别呢?
只要我们把爬虫伪装成人就可以了
正常我们是通过浏览器访问网站的,浏览器在向网站发送get请求的时候,会同时发送一个请求头
在这里插入图片描述
这个request headers
我们只要在get的时候,发送和浏览器一样的请求头就可以了。
我们需要的主要是三个参数
在这里插入图片描述
refeter表示请求的来源,我是从哪个链接来到这个链接的
User-Agent是浏览器的标识
X-Requested-With是让服务器识别是Ajax请求还是普通的请求
将这个三个参数,写进一个字典即可

headers = {'X-Requested-With': 'XMLHttpRequest','User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.106 Safari/537.36','Referer': 'http://image.baidu.com/search/index?tn=baiduimage&ps=1&ct=201326592&lm=-1&cl=2&nc=1&ie=utf-8&word=%E7%8C%AB'
}

然后,在两个函数的get中引headers
在这里插入图片描述
这时,我们在运行,就可以发现我们成功下载下来图片了可以开始吸猫了
在这里插入图片描述

还没完,别急着走!

在编写的过程中,我们每个get里都要引用headers,能不能少写一点代码?
能!
requests中有一个session(),它可以帮我们保存headers
它还有两个好处,那就是维持会话,以及自动保存cookies
所以,我们改写一下代码

session = requests.session()
session.headers = headers

然后,把后面函数中的requests换成session,并把headers引用删掉
在这里插入图片描述
在获取页面的时候,有可能它的data下面没有数据,这时候就会报错导致程序停止运行,所以我们加一个try


def get_html(url):html = session.get(url)try:result = json.loads(html.text)['data']for i in result:if i:print(i['thumbURL'])download(i['thumbURL'])except Exception as e:print(e)

运行
在这里插入图片描述
在这里插入图片描述
requests中除了可以加请求头,还可以加代理ip
代理的获取可以百度搜“快代理”和“西刺代理”
在这里插入图片描述
同样将代理以字典的形式写下来,然后在session里引用即可

proxy = {'http': 'http://106.52.185.57:8080','https': 'https://106.52.185.57:8080'
}

不过,在使用代理的过程中,如果代理失效的话,就会造成无法访问,从而使程序卡在这,所以,需要写一个超时跳过
在前面加上

session.timeout = 3

表示超时3秒就自动放弃

完整代码

import requests
import json
import uuidheaders = {'X-Requested-With': 'XMLHttpRequest','User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.106 Safari/537.36','Referer': 'http://image.baidu.com/search/index?tn=baiduimage&ps=1&ct=201326592&lm=-1&cl=2&nc=1&ie=utf-8&word=%E7%8C%AB'
}
session = requests.session()
session.headers = headersdef download(url):img = session.get(url)with open('img/{}.jpg'.format(uuid.uuid4()), 'wb') as f:chunks = img.iter_content(123)for c in chunks:if c:f.write(c)def get_html(url):html = session.get(url)try:result = json.loads(html.text)['data']for i in result:if i:print(i['thumbURL'])download(i['thumbURL'])except Exception as e:print(e)if __name__ == '__main__':url = ['http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E7%8C' \'%AB&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=&z=&ic=&hd=&latest=&copyright=&word=%E7%8C%AB&s=&se=&tab' \'=&width=&height=&face=&istype=&qc=&nc=1&fr=&expermode=&force=&pn={}&rn=30&gsm=1e&1581725024787= '.format(i)for i in range(30, 100, 30)]for i in url:get_html(i)

这篇关于0001 requests库的简单使用,自动下载百度图片中的图片(优雅地云吸猫)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/235255

相关文章

vue使用docxtemplater导出word

《vue使用docxtemplater导出word》docxtemplater是一种邮件合并工具,以编程方式使用并处理条件、循环,并且可以扩展以插入任何内容,下面我们来看看如何使用docxtempl... 目录docxtemplatervue使用docxtemplater导出word安装常用语法 封装导出方

Linux换行符的使用方法详解

《Linux换行符的使用方法详解》本文介绍了Linux中常用的换行符LF及其在文件中的表示,展示了如何使用sed命令替换换行符,并列举了与换行符处理相关的Linux命令,通过代码讲解的非常详细,需要的... 目录简介检测文件中的换行符使用 cat -A 查看换行符使用 od -c 检查字符换行符格式转换将

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

详解C#如何提取PDF文档中的图片

《详解C#如何提取PDF文档中的图片》提取图片可以将这些图像资源进行单独保存,方便后续在不同的项目中使用,下面我们就来看看如何使用C#通过代码从PDF文档中提取图片吧... 当 PDF 文件中包含有价值的图片,如艺术画作、设计素材、报告图表等,提取图片可以将这些图像资源进行单独保存,方便后续在不同的项目中使

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面