Python爬蟲入門教程 12-100 半次元COS圖爬取

半次元COS圖爬取-寫在前面

今天在瀏覽網站的時候，突然一個莫名的連接指引着我跳轉到了半次元網站 https://bcy.net/ 打開以後，發現也沒有什麼有意思的內容，職業的敏感讓我瞬間聯想到了 cosplay ，這種網站必然會有這個的存在啊，因而乎，我準備好個人大爬蟲了。

把上面的連接打開以後，被我發現了吧，就知道個人第八感不錯滴。接下來就是找入口，必定要找到圖片連接的入口才能夠作下面的操做

這個頁面不斷往下拖拽，頁面會一直加載，當時當你拖拽一會，就停下來了，就是這個時機

發現入口，在我實際的操做中，其實還發現了不少其餘的入口，這個就不一一的解釋了，趕忙上車，進入 view more 以後，發現了頁面依舊是一個下拉刷新的佈局方式，專業術語 瀑布流 。

半次元COS圖爬取-python爬蟲第一步

打開開發者工具，切換到network以後，發現 不少xhr請求，發現這個，就表明這個網站很容易爬取了

提取待爬取的連接，分析規律

https://bcy.net/circle/timeline/loadtag?since=0&grid_type=timeline&tag_id=1482&sort=hot
https://bcy.net/circle/timeline/loadtag?since=26499.779&grid_type=timeline&tag_id=1482&sort=hot
https://bcy.net/circle/timeline/loadtag?since=26497.945&grid_type=timeline&tag_id=1482&sort=hot

發現只有一個參數在變，並且這變化好像沒有任何規律能夠尋找，沒事，看數據，你就能夠發現其中的奧妙了

這個網站的原理很簡單，就是經過不斷獲取每次數據的最後一條的since而後獲取接下來的數據，那麼咱們按照它的規律實現代碼就能夠了，不要多線程了，這種規律是沒有辦法進行實操的。
此次的數據我把它存儲到mongodb裏面，由於沒有辦法一次所有獲取到，因此可能須要下次在繼續使用

if __name__ == '__main__':
    ###  mongodb 的一些基本操做   
    DATABASE_IP = '127.0.0.1'
    DATABASE_PORT = 27017
    DATABASE_NAME = 'sun'
    start_url = "https://bcy.net/circle/timeline/loadtag?since={}&grid_type=timeline&tag_id=399&sort=recent"
    client = MongoClient(DATABASE_IP, DATABASE_PORT)

    db = client.sun
    db.authenticate("dba", "dba")
    collection  =  db.bcy  # 準備插入數據
    #####################################3333
    get_data(start_url,collection)

獲取網頁數據這個地方，由咱們前面的經驗就變得很簡單了

## 半次元COS圖爬取-獲取數據函數  
def get_data(start_url,collection):
    since = 0
    while 1:
        try:
            with requests.Session() as s:
                response = s.get(start_url.format(str(since)),headers=headers,timeout=3)
                res_data = response.json()
                if res_data["status"] == 1:
                    data = res_data["data"]  # 獲取Data數組
                    time.sleep(0.5)
                ## 數據處理
                since = data[-1]["since"]  # 獲取20條數據的最後一條json數據中的since
                ret = json_handle(data)   # 代碼實如今下面
                try:
                    print(ret)
                    collection.insert_many(ret)   # 批量出入數據庫
                    print("上述數據插入成功！！！！！！！！")
                except Exception as e:
                    print("插入失敗")
                    print(ret)

                ##
        except Exception as e:
            print("!",end="異常，請注意")
            print(e,end=" ")
    else:
        print("循環完畢")

網頁解析代碼

# 對JSON數據進行處理
def json_handle(data):
    # 提取關鍵數據
    list_infos = []
    for item in data:
        item = item["item_detail"]
        try:
            avatar = item["avatar"] # 用戶頭像
            item_id = item["item_id"] # 圖片詳情頁面
            like_count = item["like_count"] # 喜歡數目
            pic_num = item["pic_num"] if "pic_num" in item else 0 # 圖片總數
            reply_count =item["reply_count"]
            share_count =item["share_count"]
            uid = item["uid"]
            plain = item["plain"]
            uname = item["uname"]
            list_infos.append({"avatar":avatar,
                               "item_id":item_id,
                               "like_count":like_count,
                               "pic_num":pic_num,
                               "reply_count":reply_count,
                               "share_count":share_count,
                               "uid":uid,
                               "plain":plain,
                               "uname":uname})
        except Exception as e:
            print(e)
            continue
        return list_infos

到如今就實現了，代碼跑起來

想要源碼的，在評論裏面留言本身的郵箱或者其餘任何我能聯繫到你的方式均可以噠。