手把手教你爬取天堂网1920*1080大图片
The following article is from Python爬虫与数据挖掘 Author Python进阶者
/1 前言/
上篇文章我们谈及了天堂网站图片抓取的理论，这篇文章将针对上篇文章的未尽事宜进行完善，完成图片的批量抓取。
/2 图片网址解析/
1. 我们首先来分析一下这个图片的地址在哪里。我们选择图片，然后右击网页检查，可以看到图片的路径，如下图所示。
2. 将其单独放出来，如下图所示。
3. 可以看到<a href>就是图片的链接，而src就图片的地址，所以我们可以找它的上一级标签<ul>。如果再找不到那就再找上一级以此类推（找到越详细内容更准确）。使用选择器xpath，获取到src的值（网址后缀）之后，将后缀加上“https前缀”就可以得到每一个网址，如下图所示：
4. 之后尝试运行，如下图所示，可以获取到具体的网址。
5. 我们再对这个网址进行请求（参考一个请求的方法）分析数据。
6. 我们以这个鱼的图片为例，点击它来到二级页面。
7. 右键检查 可以看到我们要获取的是src的地址，如下图所示。
8. 获取图片的源码，如下图所示。
9. Xpath 获取到路径，为了方便区分图片的名字，如下图所示。
/3 下载图片/
1. 为方便储存，新建一个filename来作为保存的路径，如下图所示。
2. 也就是说你需要在Python代码的同级目录，提前新建一个文件夹，名叫“天堂网爬的图片”，如果没有这个文件夹的话，将会报下图的错。
3. 使用with函数进行文件的打开和写入，下方代码的含义是创建一个文件，代码框里边有具体的注释。
"wb" # 意思是以二进制格式打开一个文件只用于写入。如果该文件已存在则将其覆盖。如果该文件不存在，创建新文件。"as f" # 意思是写入一个叫f的文件。"f.wirite(html)" # 意思是说把html的内容写入f这个文件。
4. 下面是各个编码代表的含义，可以学习一下。
5. 基于以上代码，基本上就可实现批量下载。接下来，我们继续优化一下。我们导入一个叫fake_useragent的库 fake_useragent第三方库，来实现随机请求头的设置。
fromfake_useragent import UserAgent ua =UserAgent()print(ua.ie) #随机打印ie浏览器任意版本print(ua.firefox)#随机打印firefox浏览器任意版本print(ua.chrome) #随机打印chrome浏览器任意版本print(ua.random) #随机打印任意厂家的浏览器6. 我们可以再初始化init方法，添加ua.random，让它随机的产生；其中UserAgent代码如图：（这里设置随机产生50个挑选其中一个进行请求）
7. 最终实现的效果图，终端显示如下图所示。
8. 将图片自动下载到本地后的效果图，高清的噢~
9. 至此，针对解析出来的图片地址予以批量下载的任务已经完成，接下来自己可以开心的去浏览图片啦。
10. 不建议大家爬取太多数据，这样会给服务器增大负载，浅尝辄止即可。
/4 小结/
本文基于理论篇，通过Python 中的爬虫库 requests 、lxml、fake_useragent，带大家进行网页结构的分析以及网页图片地址数据的提取，并且针对解析出来的图片地址予以批量下载，方法行之有效，欢迎大家积极尝试。
如果对本文源码感兴趣，网页打开链接直接下载
https://alltodata.cowtransfer.com/s/a794ef3ab7e54f
本文转自公众号【Python爬虫与数据挖掘】
后台回复「进群」，加入读者交流群~
点击红字「积分」，可了解积分规则~
五
积分商城上新书（左下角阅读原文直达）限时300积分，明天恢复原价，需要的同学也可以直接点击下方链接直接购买
学python就应该从小开始
朱小五