相信很多设计小伙伴有好的灵感，但是没有好的设计素材,今天它来了。摄图网4000张设计素材，取之不尽，如下图所示：
好了，废话不多说，开始用Python采集。
01需求分析
采集摄图网的素材图片，目标网址-->请求数据-->解析数据-->提取数据-->保存数据。
02技术栈
首先我们用到的技术包括：urllib，requests，bs4等。
03采集流程
1、分析网页结构
打开网址:https://699pic.com/paihang/tupian.html,分析网页结构,我们可以看到首页图片数据杂论,这里我们爬取的是"今日热门"的图片,点击发现更多:来到目标页面,拖动滚轮滑到底部,发现有40个分页,也就是我们今天要爬取的4000张设计图片：
2、发起请求
接着对列表中的每一条url进行遍历,然后发起请求：
for url in urllist: resp = requests.get(url,headers=hd) html = resp.content.decode('utf-8') |
3、数据解析
得到了一个html对象,爬取页面数据信息后,需要对页面进行解析,这里我使用到的解析库是bs4(偏爱),当然xpath也是可以的。通过分析页面元素,我们发现每个翻页里面的图片都有这样的规律：
因此可以通过bs4的select方法抓取所有class='lazy'的img标签,得到一个列表,然后通过测试发现图片的链接存放在img标签的data-original属性里,通过img.attrs['data-original']得到,再与'https:'进行字符串拼接,得到完整图片链接。
for img in imgs: img_url = img.attrs['data-original'] total_url = base_http_str + img_url print(total_url) # print('--'*60) imgurllist.append(total_url) |
4.提取保存数据
最后运用urllib中的urlretrive方法,把图片保存到本地。
def writeData(imgurllist): for index,url in enumerate(imgurllist): urllib.request.urlretrieve(url,'image/'+ '%s.png'%index) print('第%s张图片下载完成'%index) |
04运行爬虫
运行爬虫代码，效果如下：
图片就下载完成了，不过运用传统方法有点慢，下次试试多线程，提升爬虫效率。
本文内容不用于商业目的，如涉及知识产权问题，请权利人联系51Testing小编(021-64471599-8017)，我们将立即处理
