最新要闻

广告

手机

iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?

iphone11大小尺寸是多少?苹果iPhone11和iPhone13的区别是什么?

警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案

警方通报辅警执法直播中被撞飞:犯罪嫌疑人已投案

家电

环球新消息丨【Python爬虫实战项目】Python爬虫批量下载相亲网站数据并保存本地(附源码)

来源:博客园

前言

今天给大家介绍的是Python爬虫批量下载相亲网站图片数据,在这里给需要的小伙伴们代码,并且给出一点小心得。


(资料图片仅供参考)

首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫,基本的是加请求头,但是这样的纯文本数据爬取的人会很多,所以我们需要考虑更换代理IP和随机更换请求头的方式来对相亲网站图片数据进行爬取。

在每次进行爬虫代码的编写之前,我们的第一步也是最重要的一步就是分析我们的网页。

通过分析我们发现在爬取过程中速度比较慢,所以我们还可以通过禁用谷歌浏览器图片、JavaScript等方式提升爬虫爬取速度。

开发工具

Python版本: 3.6

相关模块:

requests模块

parsel模块

re模块

环境搭建

安装Python并添加到环境变量,pip安装需要的相关模块即可。

文中完整代码及文件,评论留言获取

数据来源查询分析

浏览器中打开我们要爬取的页面按F12进入开发者工具,查看我们想要的相亲网站图片数据在哪里这里我们需要页面数据就可以了

代码实现

for page in range(1, 11):    # 请求链接    url = f"https://love.19lou.com/valueApp/api/love/searchLoveUser?page={page}&perPage=12&sex=0"    # 伪装模拟    headers = {        # User-Agent 用户代理, 表示浏览器基本信息        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36"        "Cookie":"你的Cookie"    }    # 发送请求    response = requests.get(url=url, headers=headers)    print(response)#for循环遍历, 把列表里面元素一个一个提取出来    for index in response.json()["data"]["items"]:        #  https://love.19lou.com/detail/51593564  format 字符串格式化方法        link = f"https://love.19lou.com/detail/{index["uid"]}"html_data = requests.get(url=link, headers=headers).text# 把获取下来 html字符串数据, 转成可解析对象        selector = parsel.Selector(html_data)        name = selector.css(".username::text").get()        info_list = selector.css(".info-tag::text").getall()        # . 表示调用方法属性        gender = info_list[0].split(":")[-1]        age = info_list[1].split(":")[-1]        height = info_list[2].split(":")[-1]        date = info_list[-1].split(":")[-1]        # 判断info_list元素个数  当元素个数4个 说明没有体重一栏        if len(info_list) == 4:            weight = "0kg"        else:            weight = info_list[3].split(":")[-1]        info_list_1 = selector.css(".basic-item span::text").getall()[2:]        zodiac = info_list_1[0].split(":")[-1]        constellation = info_list_1[1].split(":")[-1]        nativePlace = info_list_1[2].split(":")[-1]        location = info_list_1[3].split(":")[-1]        edu = info_list_1[4].split(":")[-1]        maritalStatus = info_list_1[5].split(":")[-1]        job = info_list_1[6].split(":")[-1]        money = info_list_1[7].split(":")[-1]        house = info_list_1[8].split(":")[-1]        car = info_list_1[9].split(":")[-1]        img_url = selector.css(".page .left-detail .abstract .avatar img::attr(src)").get()        # 把获取下来的数据 保存字典里面  字典数据容器        dit = {            "昵称": name,            "性别": gender,            "年龄": age,            "身高": height,            "体重": weight,            "出生日期": date,            "生肖": zodiac,            "星座": constellation,            "籍贯": nativePlace,            "所在地": location,            "学历": edu,            "婚姻状况": maritalStatus,            "职业": job,            "年收入": money,            "住房": house,            "车辆": car,            "照片": img_url,            "详情页": link,        }        csv_writer.writerow(dit)        new_name = re.sub(r"[\/"*?<>|]", "", name)

获取Cookie

效果展示

最后

今天的分享到这里就结束了 ,感兴趣的朋友也可以去试试哈

对文章有问题的,或者有其他关于python的问题,可以在评论区留言或者私信我哦

觉得我分享的文章不错的话,可以关注一下我,或者给文章点赞(/≧▽≦)/

关键词: 图片数据 我们需要 元素个数