首頁  >  文章  >  後端開發  >  爬蟲|Python爬取B站小姐圖片,學習的動力!

爬蟲|Python爬取B站小姐圖片,學習的動力!

Python当打之年
Python当打之年轉載
2023-08-09 17:11:32990瀏覽


本期介紹如何


用Python爬取B站小姐姐圖片
,希望對你有幫助。

1.網頁分析

###########直接開啟B站(bilibili)搜尋' #########小姐姐#########':##########
爬蟲|Python爬取B站小姐圖片,學習的動力!
一共有5#頁內容,以第2頁為例,F12開啟網頁原始碼:

爬蟲|Python爬取B站小姐圖片,學習的動力!

#搜尋第一個title,我們可以找到對應的XHR請求,仔細分析發現所有的資料都存在於一個json格式的資料集裡,我們的目標就在result列表中。

檢查Headers如下:

爬蟲|Python爬取B站小姐圖片,學習的動力!


這是一個get請求,請求參賽數有page #keyword兩個參賽,分別對應請求的頁碼和關鍵字。

多看幾頁找規律:

#
# 第一页
'https://api.bilibili.com/x/web-interface/search/all/v2?context=&page=1&order=totalrank&keyword=%E5%B0%8F%E5%A7%90%E5%A7%90&duration=0&tids_2=&from_source=&from_spmid=333.337&platform=pc&__refresh__=true&_extra=&tids=0&highlight=1&single_column=0'
# 第二页
'https://api.bilibili.com/x/web-interface/search/type?context=&page=2&order=totalrank&keyword=%E5%B0%8F%E5%A7%90%E5%A7%90&duration=0&tids_2=&from_source=&from_spmid=333.337&platform=pc&__refresh__=true&_extra=&search_type=video&tids=0&highlight=1&single_column=0'
# 第三页
'https://api.bilibili.com/x/web-interface/search/type?context=&page=3&order=totalrank&keyword=%E5%B0%8F%E5%A7%90%E5%A7%90&duration=0&tids_2=&from_source=&from_spmid=333.337&platform=pc&__refresh__=true&_extra=&search_type=video&tids=0&highlight=1&single_column=0'


可以看到除了第1頁不一樣外,其他幾頁url中只有page參數不一樣#,那我們試試看第1頁也用其他頁的url請求一下,結果會發現同樣可以出來想要的結果(自己試試看)。

#結論:所有頁url只有page參數不一樣,其他一致。


2. 数据爬取

2.1 导入模块
# 导包
import re
import time
import json
import random
import requests
from fake_useragent import UserAgent

2.2 获取页面信息

根据分析的url请求数据:
# 获取页面信息
def get_datas(url,headers):
    r = requests.get(url, headers=headers)
    r.raise_for_status()
    r.encoding = chardet.detect(r.content)['encoding'] 
    datas = json.loads(r.text)
    return datas
2.3 获取具体图片信息
# 获取图片链接信息
def get_hrefs(datas):
    titles,hrefs = [],[]
    for data in datas['data']['result']:
        # 标题
        title = data['title']
        # 时长
        duration = data['duration']
        # 播放量
        video_review =data['video_review']
        # 发布时间
        date_rls = data['pubdate']
        pubdate = time.strftime('%Y-%m-%d %H:%M', time.localtime(date_rls))
        # 作者
        author = data['author']
        # 图片链接
        link_pic = data['pic']
        href_pic = 'https:' + link_pic
        
        titles.append(title)
        hrefs.append(href_pic)
        
        return titles, hrefs

代码解析了视频标题,时长,播放量,发布时间,作者,图片链接等参数,这里我们只取标题图片链接,其他参数可根据需要自行增,删。

2.4 保存图片
# 保存图片
def download_jpg(titles, hrefs):
    path = "D:/B站小姐姐/"
    if not os.path.exists(path):
        os.mkdir(path)
    for i in range(len(hrefs)):
        title_t = titles[i].replace('/','').replace(',','').replace('?','')
     title_t = title_t.replace(' ','').replace('|','').replace('。','')
        filename = '{}{}.jpg'.format(path,title_t)
        with open(filename, 'wb') as f:
            req = requests.get(url=hrefs[i], headers=headers)
            f.write(req.content)
            time.sleep(random.uniform(1.5,3.4))
这里我们用标题作为图片名称进行存储,需要注意文件名称不能包含特殊符号,这里过滤了” / ,。|“等4种(每天视频有增删,可能有出入,需要自己调整,也可以不使用标题做名称)。


3. 結果

部分圖片:

爬蟲|Python爬取B站小姐圖片,學習的動力!


##

以上是爬蟲|Python爬取B站小姐圖片,學習的動力!的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文轉載於:Python当打之年。如有侵權,請聯絡admin@php.cn刪除