資訊專欄INFORMATION COLUMN
摘要：且本小白也親身經(jīng)歷了整個從小白到爬蟲初入門的過程，因此就斗膽在上開一個欄目，以我的圖片爬蟲全實現(xiàn)過程為例，以期用更簡單清晰詳盡的方式來幫助更多小白應(yīng)對更大多數(shù)的爬蟲實際問題。
前言：
一個月前，博主在學(xué)過python（一年前）、會一點網(wǎng)絡(luò)（能按F12）的情況下，憑著熱血和興趣，開始了python爬蟲的學(xué)習(xí)。一路過來走了相當(dāng)多彎路，但是前不久終于成功了！?。。I目）
經(jīng)過一個月的學(xué)習(xí)，博主我感覺CSDN上圖片爬取教程確實詳細(xì)且方法繁多，但大都偏公式化或者不夠貼近小白。且本小白也親身經(jīng)歷了整個從小白到爬蟲初入門的過程，因此就斗膽在CSDN上開一個欄目，以我的python圖片爬蟲全實現(xiàn)過程為例，以期用更簡單、清晰、詳盡的方式來幫助更多小白應(yīng)對更大多數(shù)的爬蟲實際問題。
第一次寫blog真的十分激動?。?！希望大家多多鼓勵點贊，過路大神多多指教，寫得不對的地方請直接指出！?。?/p>
本欄目大致會分為4章（有空馬上更）分別是：
- 環(huán)境配置+基礎(chǔ)知識
- 獲取圖片地址+根據(jù)地址下載圖片
- 翻頁+反爬+完整代碼
- 爬蟲實戰(zhàn)案例：爬取網(wǎng)站商品信息
正文：
博主本人用的是window10系統(tǒng)、python3.8（需要add to path）和pycharm
所謂之所以要基于selenium庫爬蟲，是因為現(xiàn)在網(wǎng)頁大部分由JavaScript語言所寫，特點是動態(tài)加載網(wǎng)絡(luò)元素，網(wǎng)絡(luò)元素經(jīng)過瀏覽器渲染才向用戶顯示（表現(xiàn)為在網(wǎng)頁右鍵查看源碼和按F12調(diào)出開發(fā)者工具看到的網(wǎng)絡(luò)元素不盡相同），用requests庫不能實現(xiàn)爬蟲，而selenium庫能模擬用戶使用瀏覽器，能很好地處理絕大多數(shù)的網(wǎng)絡(luò)爬蟲。本文開始幾個篇章以圖片爬蟲為例，后面附一個爬取京東iPhone價格、商品名稱、評論、店鋪信息的實例。
開始前，我想說看視頻是最最快的學(xué)習(xí)方法，個人是在B站學(xué)到了requests庫實戰(zhàn)和selenium庫實戰(zhàn)（兩個視頻都是我看過那么多最詳細(xì)最好的，鏈接【1】【2】我放在下面）。期間在網(wǎng)絡(luò)基礎(chǔ)和瀏覽器知識這一塊也參考了紫書《python網(wǎng)絡(luò)爬蟲權(quán)威指南》，還有關(guān)于網(wǎng)絡(luò)想要深入了解的同學(xué)可以看鏈接【3】。
新手警告：剛開始爬蟲建議用IDLE?。?！
新手警告：剛開始爬蟲建議用IDLE！??！
新手警告：剛開始爬蟲建議用IDLE?。。?/strong>
（selenium庫查找不到元素就會報錯容易把心態(tài)搞崩，建議一步步在IDLE上執(zhí)行，最后適當(dāng)加上time.sleep()復(fù)制到pycharm）
from selenium import webdriverdriver = webdriver.Chrome()#用谷歌瀏覽器#driver = webdriver.Edge()#用Microsoft Edge#driver = webdriver.PhantomJS()#用無頭瀏覽器注意：
?????2. 下載后的瀏覽器.exe直接拖動到python所在地址。python所在地址可直接window鍵+R，再輸入cmd調(diào)出命令行窗口輸入“where python”就找到python路徑了。
?然后就可正常使用webdriver了。
????????也是在命令行窗口，先輸入python看下python是否正常加到path
?然后先輸入“quit()”退出python，再依次輸入“pip install selenium”，“pip install requests”，如出現(xiàn)“...install successfully”不報錯就是安裝成功（warning不用管）、
注意：如果報錯可以改成“pip3 install selenium”，“pip3 install requests”
這里比較重要的是字符串操作和網(wǎng)頁知識（主要是一些快捷鍵）
主要用到的功能是截取、相加（也就是拼接），以及format函數(shù)（可用于字符串拼接）和split函數(shù)（用于選取字符串內(nèi)容），需要用的時候去CSDN查看即可。在爬取圖片時一般用于修正圖片地址和創(chuàng)建圖片名稱
主要用到選取元素和遍歷
其實是一組模塊，和創(chuàng)建文件模塊一起使用（后面的bloc會說的）
重點說說網(wǎng)頁基礎(chǔ)知識，爬蟲中很需要實時根據(jù)網(wǎng)頁內(nèi)容改變爬取方法。
?????2.然后具體說說網(wǎng)頁元素
注意：
? ? ? ?
下一篇獲取圖片地址+根據(jù)地址下載圖片是重頭戲，喜歡的朋友請追更。
碼字不易求點贊！
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://m.hztianpu.com/yun/121679.html
摘要：之前在學(xué)校曾經(jīng)用過的方法做過一些爬蟲腳本來玩，從正式轉(zhuǎn)前端之后，出于興趣，我對爬蟲和反爬蟲又做了一些了解，并且做了一些爬蟲攻防的實踐。爬蟲腳本通常會很頻繁的進(jìn)行網(wǎng)絡(luò)請求，比如要爬取豆瓣排行榜的電影，就會連續(xù)發(fā)送個網(wǎng)絡(luò)請求。 之前在學(xué)校曾經(jīng)用過request+xpath的方法做過一些爬蟲腳本來玩，從ios正式轉(zhuǎn)前端之后，出于興趣，我對爬蟲和反爬蟲又做了一些了解，并且做了一些爬蟲攻防的實踐...
摘要：之前在學(xué)校曾經(jīng)用過的方法做過一些爬蟲腳本來玩，從正式轉(zhuǎn)前端之后，出于興趣，我對爬蟲和反爬蟲又做了一些了解，并且做了一些爬蟲攻防的實踐。爬蟲腳本通常會很頻繁的進(jìn)行網(wǎng)絡(luò)請求，比如要爬取豆瓣排行榜的電影，就會連續(xù)發(fā)送個網(wǎng)絡(luò)請求。 之前在學(xué)校曾經(jīng)用過request+xpath的方法做過一些爬蟲腳本來玩，從ios正式轉(zhuǎn)前端之后，出于興趣，我對爬蟲和反爬蟲又做了一些了解，并且做了一些爬蟲攻防的實踐...
摘要：時間永遠(yuǎn)都過得那么快，一晃從年注冊，到現(xiàn)在已經(jīng)過去了年那些被我藏在收藏夾吃灰的文章，已經(jīng)太多了，是時候把他們整理一下了。那是因為收藏夾太亂，橡皮擦給設(shè)置私密了，不收拾不好看呀。 ...
摘要：實際上，前程無憂招聘網(wǎng)站上與數(shù)據(jù)有關(guān)的只有幾百頁，而我們爬取了頁的所有數(shù)據(jù)，因此在后面進(jìn)行數(shù)據(jù)處理時需要把無關(guān)的數(shù)據(jù)剔除掉。 目錄 一、項目背景 二、數(shù)據(jù)爬取 1、相關(guān)庫的導(dǎo)入與說明 2、獲取二級頁面鏈接 1）分析一級頁面url特征 2）構(gòu)建一級url庫 3）爬取所有二級url鏈接 3、獲取...
摘要：項目簡介本實驗通過使用實現(xiàn)一個淘寶女郎圖片收集爬蟲，學(xué)習(xí)并實踐及正則表達(dá)式等知識。本教程由阿發(fā)布在實驗樓，完整教程及在線練習(xí)地址實現(xiàn)淘女郎照片爬蟲，可以直接在教程中下載代碼使用。 showImg(https://segmentfault.com/img/bVBgrF); 項目簡介：本實驗通過使用 Python 實現(xiàn)一個淘寶女郎圖片收集爬蟲，學(xué)習(xí)并實踐 BeautifulSoup、Sel...
閱讀 1611·2021-11-04 16:10
閱讀 3011·2021-09-30 09:48
閱讀 2896·2019-08-29 11:31
閱讀 1637·2019-08-28 18:22
閱讀 3287·2019-08-26 13:44
閱讀 1378·2019-08-26 13:42
閱讀 2908·2019-08-26 10:20
閱讀 819·2019-08-23 17:00
