本次目的:
python爬取海量表情包
亮点:
- 系统分析目标网页
- html标签数据解析方法
- 海量图片数据一键保存
环境介绍:
- python 3.8
- pycharm
模块使用:
- requests >>> pip install requests
- parsel >>> pip install parsel
相对应的安装包/安装教程/激活码/使用教程/学习资料/工具插件 可以点击领取
模块安装问题:
如果安装python第三方模块:
- win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
- 在pycharm中点击Terminal(终端) 输入安装命令
安装失败原因:
失败一:
pip 不是内部命令
解决方法:
设置环境变量
失败二:
出现大量报红 (read time out)
解决方法:
因为是网络链接超时, 需要切换镜像源
清华:https://pypi.tuna.tsinghua.edu.cn/simple
阿里云:http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学:http://pypi.hustunique.com/
山东理工大学:http://pypi.sdutlinux.org/
豆瓣:http://pypi.douban.com/simple/
例如:pip3 install -i https://pypi.doubanio.com/simple/ 模块名
失败三:
cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入
解决方法:
可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好
或者你pycharm里面python解释器没有设置好
如何配置pycharm里面的python解释器?
- 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
- 点击齿轮, 选择add
- 添加python安装路径
pycharm如何安装插件?
- 选择file(文件) >>> setting(设置) >>> Plugins(插件)
- 点击 Marketplace 输入想要安装的插件名字 比如:翻译插件 输入 translation
- 选择相应的插件点击 install(安装) 即可
- 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效
爬虫基本思路流程:
一. 数据来源分析
- 确定要获取的内容 (确定需求)
发表情网站的表情包图片 - 通过开发者工具抓包分析 数据(图片url地址以及图片标题)来源
可以知道发表情这个网站是静态网页, 我们想要的数据内容都是来自他网页源代码
二. 代码实现步骤:
- 发送请求, 对于表情包列表页面发送请求
- 获取数据, 获取服务器返回的数据内容(response响应体数据)
- 解析数据, 提取我们想要数据内容 (图片url地址 以及 图片标题)
- 保存数据, 把获取下来的内容保存本地的文件夹里面
- 多页爬取, 根据请求url地址的变化规律
代码
导入模块
import requests # 数据请求模块 第三方模块 pip install requests 安装好之后没有使用模块 灰色显示
import parsel # 数据解析模块 第三方模块 pip install parsel
import re # 正则表达式 内置模块 不需要安装
# 1. 发送请求
# 需要注意点: 确定请求url地址 请求方法 请求头参数(某些网站需要加cookie 或者 防盗链)
for page in range(12, 21):
print(f'正在爬取第{page}页数据内容')
url = f'https://fabiaoqing.com/biaoqing/lists/page/{page}.html'
# headers 作用伪装python代码的 爬虫是模拟浏览器对于服务器发送请求