Chysial 发表于 2020-3-29 23:08:51

爬取百度图片里边姐姐的照片——坂井泉水

这是直接使用的,还有只爬取地址存入数据库mongdb和PhantomJS版本,后边因为配置文件太多就不放出来了。
先上代码,再上成果!
rom selenium import webdriver
import time
import json
import re
import random
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
from selenium.common.exceptions import TimeoutException, NoSuchElementException
from pyquery import PyQuery as pq
import os,os.path
import urllib.request

#配置模拟器
chrome_driver = r'C:\Users\Chysial\AppData\Local\Google\Chrome\Application\chromedriver.exe'
browser = webdriver.Chrome(chrome_driver)
wait = WebDriverWait(browser,10)
browser.get('https://www.baidu.com/')

#cookie模拟登陆,get一般运行一次就行,我因为调试后边把它注释了
def get_cookies(browser):
    #cookies没有时限方法,一种方法直接在里面把expiry改成int,另一种就是输出时候改写然后写入文件不然就需要修改了
    time.sleep(50)
    with open('C:\\Users\\Chysial\\Desktop\\cookies.txt','w') as cookief:
      cookief.write(json.dumps(browser.get_cookies()))
    browser.close()

def open_chrome(browser):
    browser.delete_all_cookies()
    with open('C:\\Users\\Chysial\\Desktop\\cookies.txt') as cookief:
      cookieslist = json.load(cookief)
      for cookies in cookieslist:
            browser.add_cookie(cookies)
#从主页面baidu一步一步爬到图片里去
def search():
    try:
      input = wait.until(
            EC.presence_of_element_located((By.CSS_SELECTOR ,'#kw'))
      )
      submit = wait.until(
            EC.presence_of_element_located((By.CSS_SELECTOR ,'#su'))
      )
      input.send_keys("百度图片")
      submit.click()
      wait.until(
            EC.presence_of_element_located((By.CSS_SELECTOR, '#page > a.n'))
      )
      html = browser.page_source
      doc = pq(html)
      items = doc('#1 .t a')
      links = []
      for each in items.items():
            links.append(each.attr('href'))
      links
      browser.get(links)
      input = wait.until(
            EC.presence_of_element_located((By.CSS_SELECTOR ,'#kw'))
      )
      input.send_keys("坂井泉水")
      input.send_keys(Keys.ENTER)
      wait.until(
            EC.presence_of_element_located((By.CSS_SELECTOR, '.imgpage .imglist .imgitem'))
      )
      
    except TimeoutException:
      print("youcuom")
    return get_products()

#获取姐姐图片的地址
def get_products():
      wait.until(
            EC.presence_of_element_located((By.CSS_SELECTOR, '.imgpage .imglist .imgitem'))
      )
      html = browser.page_source
      doc = pq(html)
      items = doc('.imgpage .imglist .imgitem').items()
      i = 0
      product = {}
      for each in items:
            i += 1
            product[ 'picture'+str(i)] = each.attr('data-objurl')
            if i==3:
                break
      return product

#下载与保存
def download_picture(folder='坂井泉水姐姐'):
    os.chdir("C:\\Users\\Chysial\\Desktop")
    os.mkdir(folder)
    os.chdir(folder)
    each = search()
    for i in each:
      req = urllib.request.Request(each)
      response = urllib.request.urlopen(req)
      img = response.read()
      with open(i+'.jpg','wb') as f:
            f.write(img)
   
   
def main():
    # 运行一次就行了,我这里就不重复了get_cookies(browser)
    open_chrome(browser)
    browser.refresh()
    each = search()
    download_picture(folder='坂井泉水姐姐')

   
if __name__ == '__main__':
    main()

Chysial 发表于 2020-3-29 23:09:28

内存小,电脑 就先爬几个意思一下 {:5_109:}
页: [1]
查看完整版本: 爬取百度图片里边姐姐的照片——坂井泉水