如何用Python搞到小姐姐私房照

本文純技術角度出發，教你如何用Python爬蟲獲取百度相簿海量照片——技術無罪。

學會獲取小姐姐私房照同理可得也能獲取其他的照片，技術原理是一致的。

目標站點

百度圖片使用關鍵字搜尋 小姐姐私房照

1。https：//image。baidu。com/

開發環境

系統：Windows10 64位

Python版本：Python3。6。5（Python3以上版本即可）

IDE：Pycharm（非必須，其實你完全可以記事本寫程式碼）

第三方庫：requests、jsonpath

效果預覽

網頁私房照

程式碼爬取效果

正式教程

一、第三方庫安裝

在確保你正確安裝了Python直譯器之後，我們還需要安裝幾個第三方庫，命令如下**［在終端中安裝即可］**：

HTTP請求庫：

1。pip3 install requests

JSON資料解析庫：

2。pip3 install jsonpath

二、爬蟲的基本套路

不管是爬取哪類網站，在爬蟲中基本都遵循以下的基本套路：

請求資料 → 獲取響應內容 → 解析內容 → 儲存資料

當然，以上步驟是程式碼的編寫思路，實際操作中應該還要新增一個前置步驟，所以

完整流程

如下：

分析目標站點 → 請求網站獲取資料 → 解析內容 → 儲存資料

分析目標站點

快速的分析目標站點就很容易發現百度相簿的圖片資源是透過AJAX載入的，所以我們要請求的連結並非瀏覽器位址列連結，而是ajax載入的資料包的資源路徑，如圖：

那麼問題來了，如何獲取到這些資料包的地址？其實很簡單，如圖所示：

請求網站獲取資料

編寫程式碼請求資源，這裡有一點需要注意：請求頭必須攜帶，否則有可能請求失敗導致報錯。

import requests  # 導包

# 構建請求頭，把爬蟲程式偽裝成正常的瀏覽器使用者

headers = {

‘sec-fetch-dest’： ‘image’，

‘Host’： ‘image。baidu。com’，

‘User-Agent’： ‘Mozilla/5。0 （Windows NT 10。0； Win64； x64） AppleWebKit/537。36 （KHTML， like Gecko） Chrome/89。0。4389。82 Safari/537。36 Edg/89。0。774。50’，

}

# 資源包的url連結

url = ‘https：//image。baidu。com/search/acjson？tn=resultjson_com&logid=10913526997707526921&ipn=rj&ct=201326592&is=&fp=result&queryWord=%E5%B0%8F%E5%A7%90%E5%A7%90%E7%A7%81%E6%88%BF%E7%85%A7&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=-1&z=&ic=&hd=&latest=©right=&word=%E5%B0%8F%E5%A7%90%E5%A7%90%E7%A7%81%E6%88%BF%E7%85%A7&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1&fr=&expermode=&force=&pn=210&rn=30&gsm=d2&1616553658252=’

# 構建請求

response = requests。get（url，headers=headers）

# 檢視狀態碼

print（response。status_code）

# 獲取原始資料

response。json（）

解析資料

上述程式碼最終獲取到的資料是json資料，也就是我們Python中常說的字典，它長這樣：

既然它是一個字典，我們當然是可以使用Python中的鍵值索引方式獲取到想要的資料，但是此方法太笨，這裡介紹一種更加高明的方式，使用jsonpath解析資料

# 這一行程式碼便可以獲取到所有圖片的URL，返回的是一個列表，遍歷即可拿到每一個URL

imgs

=

jsonpath

。

jsonpath

（

json_data

，

‘$。。middleURL’

）

使用requests請求圖片URL，獲取圖片資料

image_data

=

requests

。

get

（

page_url

）

。

content

儲存資料

使用Python中的檔案物件，儲存圖片，圖片名字使用時間戳命名，避免圖片重名

with

open

（

‘imgs/’

+

datetime

。

now

（

）

。

strftime

（

“%Y%m%d%H%M%S%f”

）

+

‘。jpg’

，

‘wb’

）

as

f

：

f

。

write

（

image_data

）

寫在最後

到這整個兒爬蟲程式就寫完了。

當然，當前的這個只能爬取一個資源包中的資料，要爬取多個資源包或者說全部資源包的資料也是很簡單的，只需要分析分析資源包的URL變化規律就不難發現其中的某個關鍵字變化，靈活改變該關鍵字就可以不斷爬取。

然後我想把我收藏的一些程式設計乾貨貢獻給大家，回饋每一個讀者，希望能幫到你們。

乾貨主要有：

①Python電子書（主流和經典的書籍應該都有了）

②Python標準庫資料（最全中文版）

③專案原始碼（四五十個有趣且經典的練手專案及原始碼）

④Python基礎入門影片等等（適合小白學習）

私信“學習”就可以免費領取啦