爬虫实例——爬取1元夺宝用户头像（借助谷歌浏览器开发者工具）

环境

操作系统：Windows 7

Python版本：2.7.9

过程

1. 打开谷歌浏览器；
2. 打开1元夺宝商品列表页面；
3. 随便点击一个商品，按F12调用开发者工具，选择“Network”标签，筛选“XHR”，再单击页面上的“夺宝参与记录”；
4. 观察开发者工具，找到返回JSON格式数据的URL，如下图：
5. 从上图的URL返回的JSON格式数据我们可以得知参与夺宝的用户数（totalCnt），每个用户的头像链接前缀（avatarPrefix）；
6. 随便点击一个用户，从开发者工具中可以得知用户头像的URL是由头像链接前缀和“160.jpeg”组成的。

代码

# -*- coding: utf-8 -*-
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
'''
作者：昨夜星辰
'''

import re
import os
import requests
from bs4 import BeautifulSoup

# 创建一个用于存放头像的文件夹
folder = u'头像'
os.mkdir(folder)

# 用于存放用户的cid
cidList = []

# 用于头像计数
picCnt = 1

url = 'http://1.163.com/list.html'
bs = BeautifulSoup(requests.get(url).text, 'lxml')
for div in bs('div', 'w-goods w-goods-l w-goods-ing'):
    gid = div['data-gid']
    period = div['data-period']
    url = 'http://1.163.com/record/getDuobaoRecord.do?pageNum=1&pageSize=50&totalCnt=0&gid=%s&period=%s' % (gid, period)
    json = requests.get(url).json()
    totalCnt = json['result']['totalCnt']
    for pageNum in range(1, totalCnt / 50 + 1):
        url = 'http://1.163.com/record/getDuobaoRecord.do?pageNum=%d&pageSize=50&totalCnt=%d&gid=%s&period=%s' % (pageNum, totalCnt, gid, period)
        json = requests.get(url).json()
        for _list in json['result']['list']:
            cid = _list['user']['cid']
            if cid in cidList:
                continue
            cidList.append(cid)
            avatarPrefix = _list['user']['avatarPrefix']
            if avatarPrefix:
                url = avatarPrefix + '160.jpeg'
                filename = folder + '\' + re.search(r'.*/(.*)', url).group(1)
                print u'正在保存第%d个头像...' % picCnt
                picCnt += 1
                with open(filename, 'wb') as f:
                    f.write(requests.get(url).content)