Python爬虫实战-使用代理IP批量下载图片(附上完整源码)

先看最终效果:

使用代理IP爬取,实现批量下载关键词图片并存放到指定文件夹

8个步骤,就能批量获取小姐姐照片,这..这也太棒了!

话不多说,直接上方法。

步骤一 准备相关工具

Python:3.10

编辑器:PyCharm

第三方模块,自行安装:

步骤二 获取代理IP

网上关于代理IP的网站有很多,找一个能免费测试的代理IP服务商,试试好不好用再说。这里我选择的是才上线的代理IP供应商【一连IP】,它们涵盖直连代理和隧道代理服务,覆盖HTTP、HTTPS、SOCKS5三种代理协议,现在直连和隧道代理都能免费使用,如何领取可以前往公众号「一连IP」查看。

一连IP官网:yilian.top/

本次一连IP上线,为关注我的小伙伴准备了宠粉见面礼,帮助大家0门槛上手:

  • 3天不限量使用直连代理IP
  • 不限时使用1万数量的直连代理IP
  • 3天不限量使用每次请求换IP的隧道代理IP
  • 3天不限量固定时长换IP的隧道代理IP

注:每个账户每种见面礼限领一次

步骤三 Python获取代理IP

这次爬取,我选择的隧道代理IP

领取成功后点击「控制台」---「产品管理」-「隧道代理」-「控制台」---「查看」

我们用Python获取代理IP,注意将代码中的账号、密码、地址、端口替换为账号信息:

步骤四 导入模块

步骤五 设置翻页

首先我们来分析一下网站的翻页,一共有62页:

1.第一页链接

pic.netbian.com/4kmeinv/ind...

2.第二页链接

pic.netbian.com/4kmeinv/ind...

3.第三页链接

pic.netbian.com/4kmeinv/ind...

可以看出每页只有index后面从第二页开始依次加上页码,所以用循环来构造所有网页链接:

if name == 'main':

页码

page_number = 1

循环构建每页的链接

for i in range(1,page_number+1):

第一页固定,后面页数拼接

if i ==1:

url = 'pic.netbian.com/4kmeinv/ind...'

else:

url = f'pic.netbian.com/4kmeinv/ind...'

步骤六 获取图片链接

1.可以看到所有图片URL都在UI标签>a标签》img标签下:


2.我们创建一个get_imgurl_list(url)函数传入网页连接获取网页源码,用xpath定位到每个图片的链接:

3.运行结果:

4.点开一个图片链接看看:

完美!接着往下看!

步骤七 下载图片

图片链接有了,代理IP也有了,下面我们就可以下载图片。定义一个get_down_img(img_url_list)函数,传入图片链接列表,然后遍历列表,每下载一个图片切换一次代理,将所有图片下载到指定文件夹:

步骤八 调用主函数

这里我们可以设置需要爬取的页码:

注意将get_ip()函数代码中的账号、密码、地址 、端口替换为刚才客服给的账号信息

相关推荐
JohnYan5 分钟前
Bun技术评估 - 26 Abort
javascript·后端·bun
逛逛GitHub9 分钟前
国产首个开源 AI 原生后端平台,这次是真起飞了。
后端·github
Python私教9 分钟前
Rust 编程语言基础知识全面介绍
开发语言·后端·rust
鬼火儿10 分钟前
网卡驱动架构以及源码分析
java·后端
小马哥编程26 分钟前
【软考架构】案例分析-web应用设计:SSH 和 SSM(Spring + Spring MVC + MyBatis ) 之间的区别,以及使用场景
前端·架构·ssh
用户1031133116631 分钟前
Vuex学习记录
前端
前端开发爱好者33 分钟前
Electron 淘汰!新的跨端框架来了!性能飙升!
前端·javascript
狮子座的男孩38 分钟前
js基础:08、构造函数(共享方法)、原型(prototype)、原型对象、(修改原型)toString方法、垃圾回收
前端·javascript·经验分享·prototype·垃圾回收·构造函数·原型对象
周周记笔记40 分钟前
PyCharm的初始设置
ide·python·pycharm
2401_8414956441 分钟前
【语音识别】混合高斯模型
人工智能·python·算法·机器学习·语音识别·gmm·混合高斯模型