【Python爬虫实战项目】Python爬虫批量下载相亲网站数据并保存本地（附源码

雪粒

前言

今天给大家介绍的是Python爬虫批量下载相亲网站图片数据，在这里给需要的小伙伴们代码，并且给出一点小心得。
首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫，基本的是加请求头，但是这样的纯文本数据爬取的人会很多，所以我们需要考虑更换代理IP和随机更换请求头的方式来对相亲网站图片数据进行爬取。
在每次进行爬虫代码的编写之前，我们的第一步也是最重要的一步就是分析我们的网页。
通过分析我们发现在爬取过程中速度比较慢，所以我们还可以通过禁用谷歌浏览器图片、JavaScript等方式提升爬虫爬取速度。
开发工具

Python版本： 3.6
相关模块：
requests模块
parsel模块
re模块
环境搭建

安装Python并添加到环境变量，pip安装需要的相关模块即可。

文中完整代码及文件，评论留言获取

数据来源查询分析

浏览器中打开我们要爬取的页面
按F12进入开发者工具，查看我们想要的相亲网站图片数据在哪里
这里我们需要页面数据就可以了

代码实现

1. for page in range(1, 11):
2.     # 请求链接
3.     url = f'https://love.19lou.com/valueApp/api/love/searchLoveUser?page={page}&perPage=12&sex=0'
4.     # 伪装模拟
5.     headers = {
6.         # User-Agent 用户代理, 表示浏览器基本信息
7.         'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
8.         'Cookie':'你的Cookie'
9.     }
10.     # 发送请求
11.     response = requests.get(url=url, headers=headers)
12.     print(response)
14.         #for循环遍历, 把列表里面元素一个一个提取出来
15.     for index in response.json()['data']['items']:
16.         #  https://love.19lou.com/detail/51593564  format 字符串格式化方法
17.         link = f'https://love.19lou.com/detail/{index["uid"]}'
19.         html_data = requests.get(url=link, headers=headers).text
21.         # 把获取下来 html字符串数据<html_data>, 转成可解析对象
22.         selector = parsel.Selector(html_data)
23.         name = selector.css('.username::text').get()
24.         info_list = selector.css('.info-tag::text').getall()
25.         # . 表示调用方法属性
26.         gender = info_list[0].split('：')[-1]
27.         age = info_list[1].split('：')[-1]
28.         height = info_list[2].split('：')[-1]
29.         date = info_list[-1].split('：')[-1]
30.         # 判断info_list元素个数  当元素个数4个 说明没有体重一栏
31.         if len(info_list) == 4:
32.             weight = '0kg'
33.         else:
34.             weight = info_list[3].split('：')[-1]
35.         info_list_1 = selector.css('.basic-item span::text').getall()[2:]
36.         zodiac = info_list_1[0].split('：')[-1]
37.         constellation = info_list_1[1].split('：')[-1]
38.         nativePlace = info_list_1[2].split('：')[-1]
39.         location = info_list_1[3].split('：')[-1]
40.         edu = info_list_1[4].split('：')[-1]
41.         maritalStatus = info_list_1[5].split('：')[-1]
42.         job = info_list_1[6].split('：')[-1]
43.         money = info_list_1[7].split('：')[-1]
44.         house = info_list_1[8].split('：')[-1]
45.         car = info_list_1[9].split('：')[-1]
46.         img_url = selector.css('.page .left-detail .abstract .avatar img::attr(src)').get()
47.         # 把获取下来的数据 保存字典里面  字典数据容器
48.         dit = {
49.             '昵称': name,
50.             '性别': gender,
51.             '年龄': age,
52.             '身高': height,
53.             '体重': weight,
54.             '出生日期': date,
55.             '生肖': zodiac,
56.             '星座': constellation,
57.             '籍贯': nativePlace,
58.             '所在地': location,
59.             '学历': edu,
60.             '婚姻状况': maritalStatus,
61.             '职业': job,
62.             '年收入': money,
63.             '住房': house,
64.             '车辆': car,
65.             '照片': img_url,
66.             '详情页': link,
67.         }
68.         csv_writer.writerow(dit)
69.         new_name = re.sub(r'[\/"*?<>|]', '', name)

复制代码

获取Cookie

效果展示

最后

今天的分享到这里就结束了 ，感兴趣的朋友也可以去试试哈
对文章有问题的，或者有其他关于python的问题，可以在评论区留言或者私信我哦
觉得我分享的文章不错的话，可以关注一下我，或者给文章点赞(/≧▽≦)/

来源:https://www.cnblogs.com/guzichuan/p/17040519.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！