Python 爬蟲實戰（二）：使用 requests-html

Python 爬蟲實戰（一）：使用 requests 和 BeautifulSoup，我們使用了 requests 做網絡請求，拿到網頁數據再用 BeautifulSoup 解析，就在前不久，requests 作者 kennethreitz 出了一個新庫 requests-html，Pythonic HTML Parsing for Humans™，它可以用於解析 HTML 文檔的。requests-html 是基於現有的框架 PyQuery、Requests、lxml 等庫進行了二次封裝，更加方便開發者調用。

安裝

Mac：

pip3 install requests-html

Windows：

pip install requests-html

實例

代碼擼多了，讓我們看會妹紙，爬的網站我選的是 http://www.win4000.com/zt/xinggan.html ，打開網站，觀察到這是個列表，圖片是縮略圖，要想保存圖片到本地，當然需要高清大圖，因此得進入列表詳情，進一步解析，完整代碼如下：

from requests_html import HTMLSession
import requests
import time

session = HTMLSession()


# 解析圖片列表
def get_girl_list():
    # 返回一個 response 對象
    response = session.get('http://www.win4000.com/zt/xinggan.html')  # 單位秒數

    content = response.html.find('div.Left_bar', first=True)

    li_list = content.find('li')

    for li in li_list:
        url = li.find('a', first=True).attrs['href']
        get_girl_detail(url)


# 解析圖片詳細
def get_girl_detail(url):
    # 返回一個 response 對象
    response = session.get(url)  # 單位秒數
    content = response.html.find('div.scroll-img-cont', first=True)
    li_list = content.find('li')
    for li in li_list:
        img_url = li.find('img', first=True).attrs['data-original']
        img_url = img_url[0:img_url.find('_')] + '.jpg'
        print(img_url + '.jpg')
        save_image(img_url)


# 保持大圖
def save_image(img_url):
    img_response = requests.get(img_url)
    t = int(round(time.time() * 1000))  # 毫秒級時間戳
    f = open('/Users/wuxiaolong/Desktop/Girl/%d.jpg' % t, 'ab')  # 存儲圖片，多媒體文件需要參數b（二進制文件）
    f.write(img_response.content)  # 多媒體存儲content
    f.close()


if __name__ == '__main__':
    get_girl_list()

代碼就這么多，是不是感覺很簡單啊。

說明：

1、requests-html 與 BeautifulSoup 不同，可以直接通過標簽來 find，一般如下：
標簽
標簽.someClass
標簽#someID
標簽[target=_blank]
參數 first 是 True，表示只返回 Element 找到的第一個，更多使用：http://html.python-requests.org/ ；

2、這里保存本地路徑 /Users/wuxiaolong/Desktop/Girl/我寫死了，需要讀者改成自己的，如果直接是文件名，保存路徑將是項目目錄下。

遺留問題

示例所爬網站是分頁的，沒有做，可以定時循環來爬妹紙哦，有興趣的讀者自己玩下。

參考

requests-html

今天用了一下Requests-HTML庫（Python爬蟲）

公眾號

我的公眾號：吳小龍同學，歡迎交流～