python 爬虫爬取煎蛋网妹子图，我1T的硬盘装满了！
前言
大家好，这里是「brucepk」爬虫 系列教程。此系列教程以实例项目为材料进行分析，从项目中学习 python 爬虫，跟着我一起学习，每天进步一点点。
煎蛋网站
image
很多朋友都反应学 python 语言太枯燥，学不进去，其实学语言最好的方法是自己用所学的语言做项目，在项目中学习语言的用法。今天给大家带来的项目是用 python3 爬取煎蛋网妹子的图片。图片质量还不错，我放两张图片大家感受下。
image
image
这个项目用了 requests + selenium + beautifulsoup 库对网站的图片进行抓取。接下来我就，给大家一步步解析一下，怎么用 python 爬虫爬取图片并下载的。
爬取结果
image
以上就是爬取的结果，通过运行 meizi.py 代码,就可以把图片保存在我指定的目录下，如果没有此目录，就用程序自动创建目录，爬取的所有图片都保存在此目录下。
程序构造
image
程序主要是由 6 个函数组成：
get_html() ：利用 webdriver 来请求对应的网站。
get_page()：解析面跳转地址。
mkdir()：判断目录是否存在，不存在就创建一个。
get_pic()：提取图片链接。
download()：通过图片链接下载保存。
main()：程序执行的主函数。
程序思路
对目标网站链接进行分析，找出目标网站链接的规律。
从目标网站里面提取图片链接。
将图片下载并保存在目录中。
源代码分析
我们通过f12调试页面，看到图片的链接，发现此链接并没有在源代码中，我们推测，图片应该是通过 js 加载的，对于需要 js 才能加载出来的网站，我们就可以利用 selenium 的自动化测试请求库来进行加载。利用 selenium 请求可以模拟真实浏览器访问。
1browser = webdriver.Chrome()
2wait = WebDriverWait(browser, 3)
利用 selenium 请求网页需要下载 chrome 驱动放在 python 安装目录下。
分页链接分析
1defget_page():2base_url ='http://jandan.net/ooxx/'#第一次进入的原始地址3soup = BeautifulSoup(get_html(base_url),'lxml')#解析原始地址4current_pages=soup.select('.cp-pagenavi .current-comment-page')[0].get_text()[1:-1]#取出当前页面字段5urllist = []6forpageinrange(1,int(current_pages)+1):7real_url=base_url+'page-'+str(page)+'#comments'#拼出分页地址8urllist.append(real_url)9returnurllist#返回所有分页地址列表
原始链接 base_url = 'http://jandan.net/ooxx/'，当我们点击下一页时，发现在原始链接的后面加了一段「page-52#comments」。
其中加的数字，就是表示现在所在的页数，通过 BeautifulSoup 库对页面进行解析，用选择器提取表示页数的字段「current-comment-page」，加入到原始链接中进行拼接。
创建目录
1defget_pic():2forurlinget_page():3mkdir()4html=get_html(url)5soup=BeautifulSoup(html,'lxml')6allimgs=soup.select('div .text p img')7allimgs=re.findall('src="(.*?)"',str(allimgs))8download(allimgs)9print("下载完毕！")
用 os.path.exists 方法来个判断，如果不存在此目录就创建一个，如果存在就忽略。
提取图片
1defget_pic():2forurlinget_page():3mkdir()4html=get_html(url)5soup=BeautifulSoup(html,'lxml')6allimgs=soup.select('div .text p img')7allimgs=re.findall('src="(.*?)"',str(allimgs))8download(allimgs)9print("下载完毕！")
用 BeautifulSoup 解析源码，用选择器循环提取图片的链接，并调用 download() 函数下载图片直至下载所有图片。
优化改进
本次的程序还有一些不足的地方，比如利用 selenium 库在爬取的时候非常的慢，每页我还设置了 3 秒等待时间，这部分待优化。还有所有页面的图片都保存在一个目录下，没有分开保存，这部分也可以优化。
这波教程不点个赞，说不过去吧？哈哈。这个网站有很多福利，我只能说大家注意身体啊。
~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~
作者：原来是小北啊
来源：简书
链接：https://www.jianshu.com/p/8ce2f079e69e
著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。
~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~-~
