這篇文章將為大家詳細(xì)講解有關(guān)python如何爬取百度貼吧圖片，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

創(chuàng)新互聯(lián)公司2013年至今，先為廣陵等服務(wù)建站，廣陵等地企業(yè)，進(jìn)行企業(yè)商務(wù)咨詢服務(wù)。為廣陵企業(yè)網(wǎng)站制作PC+手機(jī)+微官網(wǎng)三網(wǎng)同步一站式服務(wù)解決您的所有建站問題。

1，目標(biāo)：

爬取貼吧每一貼，樓主圖，并保存。

由于圖片大多是樓主發(fā)的，如果全部查找會(huì)浪費(fèi)很多時(shí)間。

2，分析

我選擇爬取的貼吧為圖吧，你們可以選擇自己想要爬取的貼吧。

2.1，獲取頁(yè)面

我們將爬取頁(yè)面的代碼寫成一個(gè)get_html()方法,給他傳入url參數(shù)

代碼如圖：

獲取正常，沒問題。

我們用chrome的開發(fā)者模式來(lái)分析每個(gè)貼的連接，用定位定位一個(gè)帖子，這樣方便我們快速的去查找我們想要的信息。

如圖：

2.2利用正則表達(dá)式找出我們想要的連接

通過查找，我們發(fā)現(xiàn)每個(gè)貼都是在class=“col2_right j_threalist_li/_right”下

我們可以讓他成為一個(gè)標(biāo)志位，通過它繼續(xù)往下找，他有兩個(gè)類名，我們選擇后者即可。

<div.*?j_threadlist_li_right.*?>.*?<a.*?href=\"(.*?)\".*?>(.*?)</a>

返回的是一個(gè)數(shù)組，為了好看我們以字典的方式返回，用yield我們可以理解為返回值，在python基礎(chǔ)里會(huì)講，我們將獲取的頁(yè)面作為參數(shù)傳進(jìn)去，實(shí)現(xiàn)get_url方法。

如圖：

我們來(lái)打印一下，看一下獲取的是什么？

結(jié)果如圖：

很明顯，我們需要來(lái)拼接一下，獲取完整的url，我們點(diǎn)擊一個(gè)進(jìn)入，可以發(fā)現(xiàn)，url是這樣的：https://tieba.baidu.com/p/5768252315，我們得到了后半部分，那就容易了，只需要拼接一下，得到的結(jié)果就變成了：

得到鏈接后，我們需要再次發(fā)送請(qǐng)求，獲取到每個(gè)貼的內(nèi)容，即調(diào)用我們上面寫好的get_html()方法即可。

2.3找到每個(gè)帖子樓主發(fā)的圖片鏈接

同樣的方式，打開開發(fā)者模式，找的圖片，找出標(biāo)志位，寫出正則，這里就不詳細(xì)說(shuō)了，正則為：<img.*?BDE_Image.*?src=\"(http.*？//img.*?)\"

實(shí)現(xiàn)get_img_url()方法：

結(jié)果圖為：

2.4獲取到圖片地址后，自然是要下載下來(lái)實(shí)現(xiàn)write_to_file()方法

下載圖片，在上篇文章上已經(jīng)有實(shí)例，

連接：python第二大神器requests

這里直接上代碼圖：

里面的正則是用來(lái)作為圖片名字的，time.sleep(2)是為了爬取慢點(diǎn)

太快會(huì)無(wú)響應(yīng)或者報(bào)錯(cuò)。

下面我們?cè)囈幌滦Ч?/p>

我們來(lái)修改一下，來(lái)爬取第一頁(yè)貼種的所有貼，獲取樓主貼的總頁(yè)數(shù)

和上面同樣的方式找到總頁(yè)數(shù)，并寫出獲取總頁(yè)數(shù)的正則：<input.*?jumpPage4.*?max-page=\"(.*?)\"

實(shí)現(xiàn)get_ye方法，同時(shí)點(diǎn)擊只看樓主，url會(huì)多出see_lz=1

如圖：

2.6由于有些貼吧的貼子很多，我們就選擇獲取前十頁(yè)內(nèi)容，當(dāng)然你也可以寫個(gè)方法換取所有頁(yè)

這里就不實(shí)例了，在貼吧里點(diǎn)擊下一頁(yè)我們發(fā)現(xiàn)url多出pn=50，由此我們知道50為偏移量，即一頁(yè)有50個(gè)帖子pn=n 是n+1到n+50帖子

2.7整合一下代碼，我們用main()方法來(lái)調(diào)用上面的方法。

如圖：

關(guān)于“python如何爬取百度貼吧圖片”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。

分享名稱：python如何爬取百度貼吧圖片
當(dāng)前鏈接：http://www.chinadenli.net/article18/gidcgp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供ChatGPT、網(wǎng)站導(dǎo)航、營(yíng)銷型網(wǎng)站建設(shè)、外貿(mào)網(wǎng)站建設(shè)、靜態(tài)網(wǎng)站、全網(wǎng)營(yíng)銷推廣

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)