经过上一期爬取豆瓣影评成功后，感觉爬虫还不错，于是想爬点图片来玩玩...
搜狗图片地址：https://pic.sogou.com/?from=category
先上最后成功的源码（在D盘下创建souGouImg文件夹，直接直接代码即可获取）：
import requests import urllib import json from fake_useragent import UserAgent def getSougouImag(category,length,path): n = length cate = category imgs_url = [] #定义空列表，用于保存图片url m = 0 #用于显示图片数量 url = 'https://pic.sogou.com/pics/channel/getAllRecomPicByTag.jsp?category='+cate+'&tag=%E5%85%A8%E9%83%A8&start=0&len='+str(n) headers = {'user-agent':UserAgent().random} #设置UA f = requests.get(url,headers=headers) #发送Get请求 print(f.status_code) js = json.loads(f.text) js = js['all_items'] for j in js: imgs_url.append(j['thumbUrl']) for img_url in imgs_url: print('***** '+str(m)+'.jpg *****'+' Downloading...') urllib.request.urlretrieve(img_url,path+str(m)+'.jpg') #下载指定url到本地 m += 1 print('Download complete!') getSougouImag('壁纸',500,r'D:souGouImg/')
效果图：
下面开始介绍作为一个新手的爬虫步骤...
1、首先打开网页查看HTML源码
先按F12打开调试界面—>右击图片—>点击检查
会出现如下图红框中的信息，不难看出，此图片的url就是img标签中src属性的值。
如此简单？那直接获取src属性的值，再进行下载不就完全ok了？
话不多说，开干。
from bs4 import BeautifulSoup import requests from fake_useragent import UserAgent #ua库 url = 'https://pic.sogou.com/pics/recommend?category=%B1%DA%D6%BD&from=home#%E5%85%A8%E9%83%A8%269' headers = {'user-agent':UserAgent().random} #设置UA f = requests.get(url,headers=headers) #发送Get请求 print(f.status_code) #打印状态码 soup = BeautifulSoup(f.text,'lxml') #用lxml解析器解析该网页的内容 print(soup.select('img')) #筛选出所有img的标签，并打印其属性和内容
代码执行结果如下：
发现打印出的html并不是与网页中的一致，所有考虑，这根本不是图片的源url，于是推测图片是动态的，继续查找... 也是百度到了某个大佬的文章，才挖掘出以下搜寻方法。
2、点击NetWork—>点击XHR—>然后往下滚轮，使它加载出新的图片—>点击新加载出来的图片—>再点击右侧的Preview
发现Preview下的内容为json格式的
发现all_items，点击它发现有0.....众多数字，再点开发现有许多url，粘贴到浏览器中查看，发现这些都是图片的url(心中狂喜)
找到图片的真实URL，问题也就变得简单了。详情还是请看代码注释吧~