首页 > 其他分享> 文章详细

二次元肥宅最喜欢的壁纸图片，这不把它爬取下来对不起自己

2020-12-19 16:33:58 阅读：198 来源： 互联网

标签：http img 肥宅二次元 url 壁纸 com page jj20

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

本文章来着腾讯云作者：python学习教程
在这里插入图片描述

在这里插入图片描述
注：某憨批朋友发来的一个网址

其实这个网站的壁纸还是不错的嘛，果然是二次元肥宅的最爱~

所以… 爬它

相关python开发工具

Python 3.6
Pycharm
requests
parsel
相关模块pip安装即可

安装速度慢可以使用镜像源安装

以前发过解决pip安装速度慢的问题

一、获取详情页url地址以及标题
在这里插入图片描述
图片详情页是在 ul 标签里面的 li 标签下面的

所以只需要请求网址，网站是静态页面可以直接获取网页数据，但是网页文字是乱码，转码即可。。

关于动漫类一共是16页数据

'''
# 第一页链接
http://www.jj20.com/bz/ktmh/list_16_cc_14_1.html
# 第二页链接
http://www.jj20.com/bz/ktmh/list_16_cc_14_2.html
# 第三页链接
http://www.jj20.com/bz/ktmh/list_16_cc_14_2.html
'''

根据页码的改变对应的是第几页。

一般情况如果想要找到翻页的效果，是需要从第二页开始找的。

上述是已经找到答案的情况，但是实际情况你第一页的url是有所不同的

http://www.jj20.com/bz/ktmh/list_16_cc_14.html

实际上第一页url是没有页面参数的，只有到了第二页的时候才会有页码参数，然后你可以看第三页的url变化，就可以对比发现规则，然后根据规则拼接第一页的url地址，看是否也可以访问，如果可以，那么翻页规律就找到，如果不可以，那就要根据实际情况再作分析了。

import requests
import parsel

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
for page in range(1, 17):
    url = 'http://www.jj20.com/bz/ktmh/list_16_cc_14_{}.html'.format(page)
    response = requests.get(url=url, headers=headers)
    selector = parsel.Selector(response.text)
    lis = selector.css('body > div:nth-child(7) > ul li')
    for li in lis:
        page_url = 'http://www.jj20.com/' + li.css('a:nth-child(1)::attr(href)').get()
        title = li.css('a:nth-child(1) img::attr(alt)').get()

二、获取壁纸原图地址

在这里插入图片描述
详情页中如果想要看下一张图片地址，则是需要点击下一张，下面也有其余壁纸的轮播

通过开发者工具可以看到，10张图片壁纸的地址也都是在 li 标签里面的，复制链接看一下是否是原图

果然不出意外，真的是缩略图。

那就点击下载原图看一下，原图地址是什么样的。

'''
# 原图地址
http://cj.jj20.com/2020/down.html?picurl=/up/allimg/1114/110620113133/201106113133-1.jpg
# li标签里面的地址
http://img.jj20.com/up/allimg/1114/110620113133/201106113133-1-lp.jpg
'''

1、拼接url地址就可以了

http://cj.jj20.com/2020/down.html?picurl= +
up/allimg/1114/110620113133/201106113133-1.jpg

2、如果你可以自己试一下把 -lp 一样可以

http://img.jj20.com/up/allimg/1114/110620113133/201106113133-1.jpg

def get_img(page_url, title):
    page_url_response = requests.get(url=page_url, headers=headers)
    page_url_response.encoding = page_url_response.apparent_encoding
    page_url_selector = parsel.Selector(page_url_response.text)
    lis_2 = selector.css('#showImg li img::attr(src)').getall()
    for i in lis_2:
        # 原图壁纸地址
        #  http://pic.jj20.com/up/allimg/1114/110620113133/201106113133-1.jpg
        # li标签壁纸地址
        # http://img.jj20.com/up/allimg/1114/110620113133/201106113133-1-lp.jpg
        img_url = i.replace('-lp.jpg', '.jpg')
        img_title = title + img_url.split('-')[-1]

三、保存壁纸图片

保存没什么特别要说的，都是常规操作，固定写法了。图片、视频、音频都是二进制文件，用wb的方式写入就可以了。

def download(img_url, img_title):
    path = 'img\\' + img_title
    img_url_response = requests.get(url=img_url, headers=headers)
    with open(path, mode='wb') as f:
        f.write(img_url_response.content)
        print(img_url, img_title)

四、实现效果

在这里插入图片描述

没有爬完所有的，就爬了1000多张，有点占地方，主要是演示一下。

标签：http,img,肥宅,二次元,url,壁纸,com,page,jj20
来源： https://www.cnblogs.com/aa1273935919/p/14159702.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

二次元肥宅最喜欢的壁纸图片，这不把它爬取下来对不起自己

二、获取壁纸原图地址

三、保存壁纸图片

四、实现效果