本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

作者 何以为孤

以下文章来源于

https://blog.csdn.net/weixin_43908900/article/details/97960333 

 

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！

import threading
import time
import json
import re
import  requests
import  os


imgs_url_list = []
# 图片操作锁
imgs_lock = threading.Lock()

'''继承threading.Thread'''
class Product(threading.Thread):
    '''初始化'''
    def __init__(self):
        super(Product, self).__init__(self)
        self.__headers = {
            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',
            "Referer": "http://image.fengniao.com/",
            "Host": "image.fengniao.com",
            "X-Requested-With": "XMLHttpRequest"
        }
        self.__start = "http://image.fengniao.com/index.php?action=getList&class_id=192&sub_classid=0&page={}¬_in_id={}"

    def run(self):
        index = 2 #起始页数
        not_in = "5352384,5352410"
        while index < 1000:
            url = self.__start.format(index,not_in)
            # print('开始操作：%s' %url)
            print('开始操作：{}'.format(url))
            index += 1
            content = requests.get(url,headers = self.__headers).text
            if content is None:
                print('ok,没有你的东西了，客官请回。。。。。')
                continue
            time.sleep(3)
            json_content = json.loads(content)
            # print(json_content)
            if json_content['status'] == 1:
                for item in json_content['data']:
                    title = item['title']
                    child_url = item['url']
                    '''图片链接'''
                    img_content = requests.get(child_url,headers=self.__headers).text
                    #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
                    pattern = re.compile('"pic_url_1920_b":"(.*?)"')
                    imgs_json = pattern.findall(img_content)
                    # print(imgs_json)
                    if len(imgs_json) > 0:
                        imgs_lock.acquire()
                        '''查询的时候方便'''
                        imgs_url_list.append({'title': title, 'url': imgs_json})
                        imgs_lock.release()


class Consumer(threading.Thread):
    def __init__(self):
        super(Product, self).__init__(self)
        self.__headers = {
            'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',
            "Referer": "http://image.fengniao.com/",
            "Host": "image.fengniao.com",
            "X-Requested-With": "XMLHttpRequest"
        }
    def run(self):

        while True:
            if len(img_list) <= 0:
                continue  # 进入下一次循环

            if imgs_lock.acquire():
                data = img_list[0]
                del img_list[0]  # 删除第一项

                imgs_lock.release()
            # print(data)
            '''双\其实是转义后面斜杠，要不会报错'''
            urls =[url.replace("\\","") for url in data["url"]]
            # print(urls)
            # 创建文件目录
            os.makedirs('./image/', exist_ok=True)
            for item_url in urls:
               try:
                   # print(item_url)
                   # file = requests.get(item_url,headers = self.__headers,timeout=2)
                   file = requests.get(item_url)
                   time.sleep(2)
                   # print(file.status_code)
                   #  print(item_url)
                   with open('./image/{}.jpg'.format(str(time.time())),'wb') as f:
                       f.write(file.content)
               except Exception as e:
                   print(e)

if __name__ == '__main__':
        p = Product()
        p.start()
        c = Consumer()
        c.start()