写在前面
估计很多人学习 Python 的目的应该和我一样，都是为了学会爬网络资源，感觉会这个吊吊的。看了一些各路大神的博客资料感觉都很厉害，但是无奈我对 Python 一无所知，于是开始在网上搜一些 Python 入门教程。看了知乎大神的回复觉得还是很有道理的，跟我的想法差不多，学习 Python 最好一开始就找一些项目做，需要用到哪些知识再去学习，这样你会知道每一个知识点怎么用。这里就不推荐了，毕竟我也是小白，如果你实在不知道怎么学，就看看下面两个吧：
不废话了，下面开始今天的主题：煎蛋网妹子图爬取
准备工作
- 安装Python 我用的 mac book，自带的是2.6的版本，于是安装了2.7了。还有 pip 的安装。
如果你不知道安装了没有，就在命令行敲下面命令，如果输出版本号就是已经安装了
Mac-Book-Pro:$ python --version
Python 2.7.13
Mac-Book-Pro:$ pip --version
pip 9.0.1 from /Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages (python 2.7)
-
安装一款 Python IDE 这里用的是 pyCharm
屏幕快照 2017-06-08 16.52.53.png -
用 Firefox F12分析 煎蛋网HTML，找到我们需要的信息
<li id="comment-3471915">
<div>
<div class="row"><div class="author"><strong title="防伪码：0fd87a7301bb95109c4bdb042e4912d14371ef75" class="">hehe</strong> <br> <small><a href="#footer" title="@回复" onclick="document.getElementById('comment').value += '@<a href="http://jandan.net/ooxx/page-99#comment-3471915">hehe</a>: '">@14 mins ago</a></span></small> </div> <div class="text"><span class="righttext"><a href="http://jandan.net/ooxx/page-99#comment-3471915">3471915</a></span><p><a href="//wx3.sinaimg.cn/large/a82b014bly1fgdvr9so8jg20dw0691kx.gif" target="_blank" class="view_img_link">[查看原图]</a><br /></p> </div> <div class="jandan-vote"> <a title="圈圈/支持" href="javascript:;" class="comment-like like" data-id="3471915" data-type="pos">OO</a> [<span>7</span>] <a title="叉叉/反对" href="javascript:;" class="comment-unlike unlike" data-id="3471915" data-type="neg">XX</a> [<span>0</span>] <a href="javascript:;" class="tucao-btn" data-id="3471915"> 吐槽 [2] </a> </div> </div> </div> </li>```
敲代码了
下边代码可以运行，但是需要手动修改图片的保存地址
# coding=utf-8
import requests
import urllib2
import os
from lxml import etree
这里有些库文件是要自己手动下载的，例如提示找不到 lxml 就需要自己下载
可以在命令行输入 pip install lxml，也可以在 IDE 里边安装，在 IDE 安装的
时候回碰到一些问题，比如找不到pip，如果你已经安装了，首先找到安装的地址，可以输入命令 which pip
Mac-Book-Pro:$ which pip
/Library/Frameworks/Python.framework/Versions/2.7/bin/pip
找到下图的位置
点击下图中路径后面的小三角找到你安装 Python 的途径，相信你已经看到下面的文件了，对，这就是已经安装的库文件，上面说的添加库文件就在这里。点击最下面的加号按钮
在下图输入你要安装的库名，点击最下面的 install 等待安装即可
#刚学习还不知道怎么拿到最大页数，于是自己手动填写的
page = str('99')
def getHtml():
#这个 url 就是分析 HTML 的得到的，改变页数就可以加载不同的图片
html = requests.get("http://jandan.net/ooxx/page-" + page + "#comments")
html.encoding = 'utf-8'
#下面两句拿到 HTML 里边所有图片的链接
selector = etree.HTML(html.text)
urlarr = selector.xpath('//ol[@class = "commentlist"]//@src')
#for 循环拿到所有图片url，并且保存到本地
for imgurl in urlarr:
name = imgurl[-9:]
os.chdir(r"保存图片的地址，自己修改")
header = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
'Chrome/35.0.1916.114 Safari/537.36',
# 'Cookie': 'AspxAutoDetectCookieSupport=1'
}
request = urllib2.Request('http:' + imgurl, None,
header) # 刻意增加头部header，否则本行与下一行可以写为：response = urllib2.urlopen(imgurl)
response = urllib2.urlopen(request)
f = open(name, 'wb')
f.write(response.read())
f.close()
print(imgurl)
#程序入口
if __name__ == '__main__':
#这里只做两次循环演示
for num in range(0, 2):
pagenumber = int(page)
print (pagenumber)
if pagenumber > 97:
getHtml()
pagenumber -= 1
page = str(pagenumber)
print (page)
else:
break
虽然写的很基础，也许很多人不屑。但是作为一个小白，最重要的就是培养信心，而信心是每一次细小的成功慢慢积累起来的。自己能写出来还是很欣慰的，需要学习的东西也很多，继续努力吧！
只有学习才能让我快乐，学习不易，且学且珍惜！
