利用Python3写个爬虫脚本，爬取纯欲小姐姐的图片壁纸，隔壁的前端兄弟馋哭了，求着我要脚本

版本：Python3.10
模块：requests、urllib等

因爬虫涉及版权原因，源代码中的url请求地址暂时不放，评论找我要完整源代码

先说说动态加载图片吧。即指html刚加载时，图片是没有的，而后经过json发生有关图片的数据，在插入到html里面去，以到底快速打开网页的目的，那么问题来了？咱们如何找到加载文件的json文件呢?而这个问题正是咱们实现爬取某du图片的第一步。

看 json url

参数解析：
word：%E6%80%A7%E6%84%9F%E5%A7%90%E5%A7%90
queryWord：%E6%80%A7%E6%84%9F%E5%A7%90%E5%A7%90

这两个参数一样的，应该没什么区别，都是搜索关键词的意思。后面的值就是UrlEncode编码了。

pn是从第几张图片获取 某du图片下滑时默认一次性显示30张。

标红处为关键字word的编码格式，能够用urllib.parse.unquote()解码，第二个为每次涮新的步长，计算为rm+上一个pnui

这里你只要记住咱们要找的图片连接为objURL就行，能够经过re模块compile与find_all方法找出这个json文件的全部objurl，有了这些objurl，到了这里咱们就离成功爬取某du图片不远了。ps因为某du图片的objurl加密了，因此解密过程就不解释了。

话不多说，直接上某du图片爬虫源代码：

import json
import itertools
import urllib
import requests
import os
import re
import sys

word = input("请输入图片关键字：")
path = "./image" #存储路径
if not os.path.exists(path):
    os.mkdir(path)
word = urllib.parse.quote(word)
print('正在抓取图片...')
url = "" # 版权原因 url暂时不放 评论要完整代码
urls = (url.format(word=word, pn=x) for x in itertools.count(start=0, step=60))
index = 0
str_table = {
    
    
    '_z2C$q': ':',
    '_z&e3B': '.',
    'AzdH3F': '/'
}
print('请求中...')
char_table = {
    
    
    'w': 'a',
    'k': 'b',
    'v': 'c',
    '1': 'd',
    'j': 'e',
    'u': 'f',
    '2': 'g',
    'i': 'h',
    't': 'i',
    '3': 'j',
    'h': 'k',
    's': 'l',
    '4': 'm',
    'g': 'n',
    '5': 'o',
    'r': 'p',
    'q': 'q',
    '6': 'r',
    'f': 's',
    'p': 't',
    '7': 'u',
    'e': 'v',
    'o': 'w',
    '8': '1',
    'd': '2',
    'n': '3',
    '9': '4',
    'c': '5',
    'm': '6',
    '0': '7',
    'b': '8',
    'l': '9',
    'a': '0'
}
i = 0
char_table = {
    
    ord(key): ord(value) for key, value in char_table.items()}

print('准备开始，请稍后...')
for url in urls:
    html = requests.get(url, timeout=10).text
    a = re.compile(r'"objURL":"(.*?)"')
    downURL = re.findall(a, html)

    for t in downURL:
        for key, value in str_table.items():
            t = t.replace(key, value)
        t = t.translate(char_table)
        try:
            html_1 = requests.get(t)
            if str(html_1.status_code)[0] == "4":
                print('失败1')
                continue
        except Exception as e:
            print('失败2')
            continue
        with open(path + "/" +'img_'+ str(i) + ".png", 'wb') as f:
            f.write(html_1.content)
        i = i + 1
        print('正在爬取第 '+str(i)+' 张图片...')

直接运行

后面在附两个不太友好的源码。容易出错或者爬的很慢，你们可以去做优化。

1、爬的慢

import time
import requests
import urllib

page = input("请输入要爬取多少页：")
page = int(page) + 1  # 确保其至少是一页，因为 输入值可以是 0
header = {
    
    
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 11_1_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'
}
n = 0  # 图片的前缀 如 0.png
    pn = 1  # pn是从第几张图片获取 某du图片下滑时默认一次性显示30张


storage="D:\Python_demo\crawler_image\image" # 本地存储地址
img_name="\清纯小姐姐_"  #图片命名
for m in range(1, page):
    url = ''  # 版权原因 url暂时不放 评论要完整代码
    param = {
    
    
        'tn': 'resultjson_com',
        'logid': '8846269338939606587',
        'ipn': 'rj',
        'ct': '201326592',
        'is': '',
        'fp': 'result',
        'queryWord': '清纯',
        'cl': '2',
        'lm': '-1',
        'ie': 'utf-8',
        'oe': 'utf-8',
        'adpicid': '',
        'st': '-1',
        'z': '',
        'ic': '',
        'hd': '',
        'latest': '',
        'copyright': '',
        'word': '清纯',
        's': '',
        'se': '',
        'tab': '',
        'width': '',
        'height': '',
        'face': '0',
        'istype': '2',
        'qc': '',
        'nc': '1',
        'fr': '',
        'expermode': '',
        'force': '',
        'cg': 'girl',
        'pn': pn,
        'rn': '30',
        'gsm': '1e',
    }
    page_info = requests.get(url=url, headers=header, params=param)
    page_info.encoding = 'utf-8'  # 确保解析的格式是utf-8的
    page_info = page_info.json()  # 转化为json格式在后面可以遍历字典获取其值
    info_list = page_info['data']  # 观察发现data中存在 需要用到的url地址
    del info_list[-1]  # 每一页的图片30张，下标是从 0 开始 29结束 ，那么请求的数据要删除第30个即 29为下标结束点
    img_path_list = []
    for i in info_list:
        img_path_list.append(i['thumbURL'])
        n = n + 1
        print('第 ' + str(n) + ' 张图片')
        for index in range(len(img_path_list)):
            # print('图片url地址：'+img_path_list[index])  # 所有的图片的访问地址
            time.sleep(0.0001)
            # urllib.request.urlretrieve(img_path_list[index], storage+img_name + str(n) + '.jpg')
            image = requests.get(img_path_list[index]).content
            imagenname='图片' +str(n)+ '.png'
            with open('./image/%s' % imagenname.split("&")[0], 'wb') as file:
                file.write(image)
    pn += 29

2、易出错

import requests
import re

# 确定网址

url = ''   # 版权原因 url暂时不放 评论要完整代码
form_header = {
    
    
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.190 Safari/537.36",
    "Host": "",  # 版权原因 url暂时不放 评论要完整代码
    "Accept-Language": "zh-CN,zh;q=0.9",
    "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9"
    }
res = requests.get(url, headers=form_header).text
print(res)
image_urls = re.findall('"objURL":"(.*?)",', res)
# print(image_urls)
n = 0  # 图片的前缀 如 0.png
for image_url in image_urls:
    print('图片url地址：'+image_url)

    # 图片名称
    n = n + 1
    image_name=str(n)
    print('第 '+image_name+' 张图片')
    image_end = re.search('(.jpg/.png/.jpeg/.gif/.webp/.bmp)＄', image_name)
    if image_end == None:
        image_name = '清纯壁纸_'+image_name+ '.png'

    # 保存
    image = requests.get(image_url).content
    with open('./image/%s' % image_name.split("&")[0], 'wb') as file:
        file.write(image)

下面两个分别是小可爱本身原创编写的爬取feng尼奥网和hui网的爬虫代码

hui图网爬虫：

import re
import requests
import os
import urllib
header= {
    
    'content-type': 'application/json',
           'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:22.0) Gecko/20100101 Firefox/22.0'}
url=""    # 版权原因 url暂时不放 评论要完整代码
word=input("请输入关键字：")
word=urllib.parse.quote(word)
urls=[str(url).format(word=word,num=x)for  x in  range(1,2)]
i=1

for url in urls:
    print(url)
    html=requests.get(url).text

    print(html)
    r=re.compile(r'"imgUrl":"(.*?)"')
    u=re.findall(r,html)

    for s in u:

        htmls=requests.get(s)
        with open("F:\\im\\"+str(i)+".jpg",'wb')as f:

            f.write(htmls.content)
            i=i+1

feng鸟网爬虫：

import re
import requests
import os
import itertools
url=""    # 版权原因 url暂时不放 评论要完整代码
i=1
path="F:\\fengniao"
if not os.path.exists(path):
    os.mkdir(path)
urls = [url.format(num=x) for x in range(1,100)]
for url in urls:

    html = requests.get(url).text
    r=re.compile(r'"image":"(.*?)"')
    u=re.findall(r, html)
    for downurl in u:
        downurl=str(downurl).replace("\\","").split("?")[0]
        htmls=requests.get(downurl)


        with open(path+"\\"+str(i)+".jpg",'wb') as f:
            f.write(htmls.content)
            i=i+1

        print(downurl)