爬虫之蜂鸟网图片爬取

今天分析一波蜂鸟网，话不多说，先来一波网址,url =“ http://image.fengniao.com/index.php#p=1”,首先一个美女图片瞧瞧，

分析一波网页，找到网站的分页特点，该网站请求方式为ajax请求，那么各位看官瞧仔细了，F12打开，鼠标轱辘往下翻，你会发现：

有什么发现么，页数变为2，还有一堆信息，点击右边第一个链接访问，一个新大陆在你眼前：

没错，该网页格式返回为json格式，还有一个高大上的名字====》该网站“API”，是不是有点小激动，相信如果学习过这方面知识的小伙伴可以自行发现搓掌敲代码了，好，今天就到此结束了。

 

 

 

 

 

 

 

 

 

 

 

 

 

你看到这里，小编甚是高兴！那么接下来还是搞事情的节奏，光有数据不行呀，我们需要的是图片。。。。

下面开始上代码：

最好有一些面型对象以及线程的知识，这样对下面代码好理解！

  1 #!/usr/bin/env python
  2 # -*- coding: utf-8 -*-
  3 # author：albert time:2019/7/29
  4 import threading
  5 import time
  6 import json
  7 import re
  8 import  requests
  9 import  os
 10 ​
 11 ​
 12 imgs_url_list = []
 13 # 图片操作锁
 14 imgs_lock = threading.Lock()
 15 ​
 16 '''继承threading.Thread'''
 17 class Product(threading.Thread):
 18     '''初始化'''
 19     def __init__(self):
 20         super(Product, self).__init__(self)
 21         self.__headers = {
 22             'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',
 23             "Referer": "http://image.fengniao.com/",
 24             "Host": "image.fengniao.com",
 25             "X-Requested-With": "XMLHttpRequest"
 26         }
 27         self.__start = "http://image.fengniao.com/index.php?action=getList&class_id=192&sub_classid=0&page={}&not_in_id={}"
 28 ​
 29     def run(self):
 30         index = 2 #起始页数
 31         not_in = "5352384,5352410"
 32         while index < 1000:
 33             url = self.__start.format(index,not_in)
 34             # print('开始操作：%s' %url)
 35             print('开始操作：{}'.format(url))
 36             index += 1
 37             content = requests.get(url,headers = self.__headers).text
 38             if content is None:
 39                 print('ok,没有你的东西了，客官请回。。。。。')
 40                 continue
 41             time.sleep(3)
 42             json_content = json.loads(content)
 43             # print(json_content)
 44             if json_content['status'] == 1:
 45                 for item in json_content['data']:
 46                     title = item['title']
 47                     child_url = item['url']
 48                     '''图片链接'''
 49                     img_content = requests.get(child_url,headers=self.__headers).text
 50                     #这里需要解释一下，为什么设置匹配pic_url_1920_b后面的，你可以自行print=>img_content,自会晓得
 51                     pattern = re.compile('"pic_url_1920_b":"(.*?)"')
 52                     imgs_json = pattern.findall(img_content)
 53                     # print(imgs_json)
 54                     if len(imgs_json) > 0:
 55                         imgs_lock.acquire()
 56                         '''查询的时候方便'''
 57                         imgs_url_list.append({'title': title, 'url': imgs_json})
 58                         imgs_lock.release()
 59 ​
 60 ​
 61 class Consumer(threading.Thread):
 62     def __init__(self):
 63         super(Product, self).__init__(self)
 64         self.__headers = {
 65             'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',
 66             "Referer": "http://image.fengniao.com/",
 67             "Host": "image.fengniao.com",
 68             "X-Requested-With": "XMLHttpRequest"
 69         }
 70     def run(self):
 71 ​
 72         while True:
 73             if len(img_list) <= 0:
 74                 continue  # 进入下一次循环
 75 ​
 76             if imgs_lock.acquire():
 77                 data = img_list[0]
 78                 del img_list[0]  # 删除第一项
 79 ​
 80                 imgs_lock.release()
 81             # print(data)
 82             '''双\其实是转义后面斜杠，要不会报错'''
 83             urls =[url.replace("\\","") for url in data["url"]]
 84             # print(urls)
 85             # 创建文件目录
 86             os.makedirs('./image/', exist_ok=True)
 87             for item_url in urls:
 88                try:
 89                    # print(item_url)
 90                    # file = requests.get(item_url,headers = self.__headers,timeout=2)
 91                    file = requests.get(item_url)
 92                    time.sleep(2)
 93                    # print(file.status_code)
 94                    #  print(item_url)
 95                    with open('./image/{}.jpg'.format(str(time.time())),'wb') as f:
 96                        f.write(file.content)
 97                except Exception as e:
 98                    print(e)
 99 ​
100 if __name__ == '__main__':
101         p = Product()
102         p.start()
103         c = Consumer()
104         c.start()
105

 

posted @ 2019-10-26 22:13  Xbhog  阅读(366)  评论(0)  编辑  收藏  举报