前言

开发环境

• Python 3.8
• Pycharm

模块使用

• requests >>> pip install requests 数据请求
• parsel >>> pip install parsel 解析模块 (提取数据)

对于本篇文章有疑问的同学可以加【资料白嫖、解答交流群：910981974】

基本流程:

一. 数据来源分析

爬取网站是什么，想要获取网站什么样数据内容比如爬取图片，从一张图片去分析
通过开发者工具进行抓包分析, 对比我们想要图片url地址一些参数

二. 代码实现步骤:

1. 发送请求, 对于分析得到url地址发送请求
   请求网址
   请求方式
   请求头参数 >>> 伪装 可以把python代码伪装成浏览器(客户端)发送请求
   如果不进行伪装会有什么后果 >>> 不会给你返回你想要数据
2. 获取数据, 获取response服务器返回响应数据
3. 解析数据, 提取我们想要数据内容 图片url地址 以及 图片标题
4. 保存数据, 把图片数据保存到本地

完整代码

1. 发送请求

headers 请求头参数, 可以开发者工具里面直接进行复制, 其次headers字典数据类型, 键值对
user-agent: 用户代理 表示浏览器基本身份标识
cookie: 用户信息, 检测用户是否有登陆账号

for page in range(2, 11):
    url = f\'https://sj.enterdesk.com/woman/{page}.html\'
    headers = {
        \'cookie\': \'t=f2cf055ce8713058cbfdbd1561c38e86; r=1281; Hm_lvt_86200d30c9967d7eda64933a74748bac=1645625923,1646892448; Hm_lpvt_86200d30c9967d7eda64933a74748bac=1646894465\',
        \'user-agent\': \'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/99.0.4844.51 Safari/537.36\'
    }
    response = requests.get(url=url, headers=headers)   #  <Response [200]> 返回响应对象 200状态码标识请求成功

2. 获取数据

获取服务器返回数据内容，获取响应对象文本数据

print(response.text)

3. 解析数据

selector = parsel.Selector(response.text)
src = selector.css(\'.egeli_pic_li .egeli_pic_dl dd a img::attr(src)\').getall()
alt = selector.css(\'.egeli_pic_li .egeli_pic_dl dd a img::attr(alt)\').getall()
for img_url, title in zip(src, alt):
    img_url = img_url.replace(\'edpic_360_360\', \'edpic_source\')

4. 保存数据

img_content = requests.get(url=img_url, headers=headers).content  # 获取二进制数据内容
with open(\'img\\\\\' + title + \'.jpg\', mode=\'wb\') as f:
    f.write(img_content)
print(img_url, title)

效果演示

来源：https://www.cnblogs.com/qshhl/p/16005641.html
本站部分图文来源于网络，如有侵权请联系删除。