使用Python爬取小姐姐图片（beautifulsoup法）

Python有许多强大的库用于爬虫，如beautifulsoup、requests等，本文将以网站https://www.xiurenji.cc/XiuRen/为例（慎点！！），讲解网络爬取图片的一般步骤。
为什么选择这个网站？其实与网站的内容无关。主要有两项技术层面的原因：①该网站的页面构造较有规律，适合新手对爬虫的技巧加强认识。②该网站没有反爬虫机制，可以放心使用爬虫。

第三方库需求

•  beautifulsoup

• requests

 步骤

打开网站，点击不同的页面：
发现其首页是https://www.xiurenji.cc/XiuRen/，而第二页是https://www.xiurenji.cc/XiuRen/index2.html，第三页第四页以此类推。为了爬虫代码的普适性，我们不妨从第二页以后进行构造url。

选中封面图片，点击检查：

可以发现，图片的信息，都在'div',class_='dan'里，而链接又在a标签下的href里。据此我们可以写一段代码提取出每一个封面图片的url：

def getFirstPage(page):
 url='https://www.xiurenji.cc/XiuRen/index'+str(page)+'.html'#获得网站每一个首页的网址
 res=requests.get(url)#发送请求
 res.encoding="gbk"#设置编码方式为gbk
 html=res.text
 soup=BeautifulSoup(html,features='lxml')
 lists=soup.find_all('div',class_='dan')#找到储存每一个封面图片的标签值
 urls=[]
 for item in lists:
  url1=item.find('a').get('href')#寻找每一个封面对应的网址
  urls.append('https://www.xiurenji.cc'+url1)#在列表的尾部添加一个元素，达到扩充列表的目的，注意要把网址扩充完整
 return urls#返回该主页每一个封面对应的网址

点击封面图片，打开不同的页面，可以发现，首页的网址是https://www.xiurenji.cc/XiuRen/xxxx.html，而第二页的网址是https://www.xiurenji.cc/XiuRen/xxxx_1.html，第三第四页同理。同样为了普适性，我们从第二页开始爬取。

右键，点击“检查”：

可以发现所有的图片信息都储存在'div',class_='img'中，链接、标题分别在img标签中的src和alt中，我们同样也可以将它们提取出来。

def getFirstPage(page):
 url='https://www.xiurenji.cc/XiuRen/index'+str(page)+'.html'#获得网站每一个首页的网址
 res=requests.get(url)#发送请求
 res.encoding="gbk"#设置编码方式为gbk
 html=res.text
 soup=BeautifulSoup(html,features='lxml')
 lists=soup.find_all('div',class_='dan')#找到储存每一个封面图片的标签值
 urls=[]
 for item in lists:
  url1=item.find('a').get('href')#寻找每一个封面对应的网址
  urls.append('https://www.xiurenji.cc'+url1)#在列表的尾部添加一个元素，达到扩充列表的目的，注意要把网址扩充完整
 return urls#返回该主页每一个封面对应的网址

完整代码

import requests
from bs4 import BeautifulSoup

def getFirstPage(page):
 url='https://www.xiurenji.cc/XiuRen/index'+str(page)+'.html'#获得网站每一个首页的网址
 res=requests.get(url)#发送请求
 res.encoding="gbk"#设置编码方式为gbk
 html=res.text
 soup=BeautifulSoup(html,features='lxml')
 lists=soup.find_all('div',class_='dan')#找到储存每一个封面图片的标签值
 urls=[]
 for item in lists:
  url1=item.find('a').get('href')#寻找每一个封面对应的网址
  urls.append('https://www.xiurenji.cc'+url1)#在列表的尾部添加一个元素，达到扩充列表的目的，注意要把网址扩充完整
 return urls#返回该主页每一个封面对应的网址

def download(urls):
for url1 in urls:
 print("prepare to download pictures in "+url1)
 getEveryPage(url1)#下载页面内的图片
 print("all pictures in "+url1+"are downloaded")

def getEveryPage(url1):
total=0#total的作用：对属于每一个封面内的图片一次编号
for n in range (1,11):#每一个封面对应下载10张图，可自行调整
 temp=url1.replace('.html','')
 url2=temp+'_'+str(n)+'.html'#获得每一内部页面的网址
 res=requests.get(url2)
 res.encoding="gbk"
 html=res.text
 soup=BeautifulSoup(html,features='lxml')
 lists1=soup.find_all('div',class_='img')#储存图片的路径

for item in lists1:
  url=item.find('img').get('src')
  title=item.find('img').get('alt')#获取图片及其标题
  picurl='https://www.xiurenji.cc'+url#获取完整的图片标题
  picture=requests.get(picurl).content#下载图片
  address='D:\pythonimages'+'\\'#自定义保存图片的路径
  with open(address+title+str(total)+'.jpg','wb') as file:#保存图片
   print("downloading"+title+str(total))
   total=total+1
   file.write(picture)

if __name__ == "__main__":
page=int(input('input the page you want:'))
urls=getFirstPage(page)
download(urls)

本文仅供学习参考，切勿用作其他用途！

来源：https://blog.csdn.net/m0_51908955/article/details/113767822