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