クローラー｜Python はステーション B の女の子の写真をクロールし、学習意欲を高めます!

#今回は、Python を使って女性の写真をクロールする方法を紹介します。ステーション B で、お役に立てば幸いです。

1. Web ページの分析

##ステーション B (bilibili) を直接開いて検索します。 '

ミスシスター':

コンテンツは合計 5 ページあります。ページ 2 を次のようにします。例、F12 を押して Web ページのソース コードを開きます:

最初の 1 つのタイトルを検索すると、対応する XHR リクエストが見つかります。慎重に分析した結果、 すべてのデータは json 形式のデータ セットに存在し、目標は # であることがわかりました。 ##結果リスト。

# 次のようにヘッダーを確認します。

#これは

get リクエスト です。リクエストのエントリ数には page と # が含まれます# #keyword要求されたページ番号とキーワードにそれぞれ対応する 2 つのエントリ。 さらにいくつかのページをチェックしてパターンを見つけてください:

# 第一页
'https://api.bilibili.com/x/web-interface/search/all/v2?context=&page=1&order=totalrank&keyword=%E5%B0%8F%E5%A7%90%E5%A7%90&duration=0&tids_2=&from_source=&from_spmid=333.337&platform=pc&__refresh__=true&_extra=&tids=0&highlight=1&single_column=0'
# 第二页
'https://api.bilibili.com/x/web-interface/search/type?context=&page=2&order=totalrank&keyword=%E5%B0%8F%E5%A7%90%E5%A7%90&duration=0&tids_2=&from_source=&from_spmid=333.337&platform=pc&__refresh__=true&_extra=&search_type=video&tids=0&highlight=1&single_column=0'
# 第三页
'https://api.bilibili.com/x/web-interface/search/type?context=&page=3&order=totalrank&keyword=%E5%B0%8F%E5%A7%90%E5%A7%90&duration=0&tids_2=&from_source=&from_spmid=333.337&platform=pc&__refresh__=true&_extra=&search_type=video&tids=0&highlight=1&single_column=0'

最初のページを除いて、他のページ URL にはページ パラメータが異なるだけであることがわかります。それでは、試してみましょう また、次のようにも使用します。他のページの URL を使用して最初のページをリクエストすると、望ましい結果が得られることがわかります (実際に試してみてください)。 ＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃結論は：＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ # すべてのページ URL は page パラメータのみが異なり、残りは同じです。

#

2. 数据爬取

2.1 导入模块

# 导包
import re
import time
import json
import random
import requests
from fake_useragent import UserAgent

2.2 获取页面信息

根据分析的url请求数据：

# 获取页面信息
def get_datas(url,headers):
    r = requests.get(url, headers=headers)
    r.raise_for_status()
    r.encoding = chardet.detect(r.content)['encoding'] 
    datas = json.loads(r.text)
    return datas

2.3 获取具体图片信息

# 获取图片链接信息
def get_hrefs(datas):
    titles,hrefs = [],[]
    for data in datas['data']['result']:
        # 标题
        title = data['title']
        # 时长
        duration = data['duration']
        # 播放量
        video_review =data['video_review']
        # 发布时间
        date_rls = data['pubdate']
        pubdate = time.strftime('%Y-%m-%d %H:%M', time.localtime(date_rls))
        # 作者
        author = data['author']
        # 图片链接
        link_pic = data['pic']
        href_pic = 'https:' + link_pic
        
        titles.append(title)
        hrefs.append(href_pic)
        
        return titles, hrefs

代码解析了视频标题，时长，播放量，发布时间，作者，图片链接等参数，这里我们只取标题和图片链接，其他参数可根据需要自行增，删。

2.4 保存图片

# 保存图片
def download_jpg(titles, hrefs):
    path = "D:/B站小姐姐/"
    if not os.path.exists(path):
        os.mkdir(path)
    for i in range(len(hrefs)):
        title_t = titles[i].replace('/','').replace('，','').replace('?','')
     title_t = title_t.replace(' ','').replace('|','').replace('。','')
        filename = '{}{}.jpg'.format(path,title_t)
        with open(filename, 'wb') as f:
            req = requests.get(url=hrefs[i], headers=headers)
            f.write(req.content)
            time.sleep(random.uniform(1.5,3.4))

这里我们用标题作为图片名称进行存储，需要注意文件名称不能包含特殊符号，这里过滤了” / ，。｜“等4种（每天视频有增删，可能有出入，需要自己调整，也可以不使用标题做名称）。

3. 結果

##写真の一部:

以上がクローラー｜Python はステーション B の女の子の写真をクロールし、学習意欲を高めます!の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。