pyspider爬取免费正版图片网站Pixabay
前言:
许多网友贡献了不少的爬取妹子图片,豆瓣电影的教程,开始学爬虫的时候也少不了参考各位大佬的代码和填坑的经验!这次打算原创出一个爬取国外比较大的图片网站Pixabay
之所以选择该网站
- 第一:Pixabay可在任何地方使用的免费正版图片和视频,Pixabay是一个充满活力的创意社区,Pixabay图片可以安全的使用,而无需为创作者署名!(这个非常的棒,不用担心版权等问题)
- 第二:资源丰富,便于爬取大量数据储备学习。
Pixabay:https://pixabay.com/zh/
那么下面开始我们的教程吧!
1.安装 Phantomjs
首先pyspider的安装就不过多赘述了,为了更好的爬取大部分网站含js的页面,我们需要选择phantomjs 这个工具包
- 使用 PhantomJS 渲染带 JS 的页面
- 有一些页面,它实在太复杂了,无论是分析 API 请求的地址,还是渲染时进行了加密,让直接抓取请求非常麻烦。这时候就是 PhantomJS 大显身手的时候了
在使用 PhantomJS 之前,你需要安装它(安装文档)。当你安装了之后,在运行 all 模式的 pyspider 时就会自动启用了。当然,你也可以在 demo.pyspider.org 上尝试。
sudo apt-get install phantomjs
phantomjs --version
若显示当前版本号,则 Phantomjs 安装成功。
2.使用 PhantomJS
当 pyspider 连上 PhantomJS 代理后,你就能通过在 self.crawl 中添加 fetch_type='js’的参数,开启使用 PhantomJS 抓取。
根据以上步骤就ok!
3.运行程序
以下是全部的pyspider代码:
from pyspider.libs.base_handler import *class Handler(BaseHandler):crawl_config = {}def __init__(self):self.base_url = 'https://pixabay.com/zh/images/search/?pagi='self.page_num = 1self.total_num = 30@every(minutes=24 * 60)def on_start(self):while self.page_num <= self.total_num:url = self.base_url + str(self.page_num)print (url)self.crawl(url, callback=self.index_page,fetch_type = 'js')self.page_num += 1@config(age=10 * 24 * 60 * 60)def index_page(self, response):for each in response.doc('a[href^="https://pixabay.com/zh/photos/%"]').items():self.crawl(each.attr.href, callback=self.detail_page ,fetch_type = 'js' )@config(priority=2)def detail_page(self, response):return {#"url": response.url,"title": response.doc('h1').text(),"img":response.doc('div > img ').attr('src')}
然后设置running,然后点击run 跑起来:
最后可以通过result查看爬取的数据,图片的标题和url:
pyspider爬取免费正版图片网站Pixabay相关推荐
- requests+bs4批量爬取反爬虫图片网站
导读:爬取反爬虫图片网站 预览效果 遇到的问题: 刚开始爬虫的时候,爬取到的所有图片都是一张重定向推广图片 解决办法:在requests请求头headers中配置Referer属性,指向爬取网站的顶级 ...
- python爬取简历模板_python 爬取免费简历模板网站的示例
代码 # 免费的简历模板进行爬取本地保存 # http://sc.chinaz.com/jianli/free.html # http://sc.chinaz.com/jianli/free_2.ht ...
- WordPress免费正版图片插件——Pixabay Free Images
现在国内大家已经越来越重视版权了,所以我们站长们特别要注意文章中引用的图片版权问题.比如老古就比较喜欢在 Pixabay 这个免费正版图片分享网站中中寻找适合的图片添加到文章中,没想到现在已经有针对这 ...
- 【干货】60 余家免费正版图片网站
原文链接:https://www.jianshu.com/p/7339031f2257 我们常常需要找一些免费正版的图片(无版权图片),写文章.做 PPT.做设计等等,随意使用一些有版权的图片是侵权, ...
- python爬取下载动态图片网站
这次我们来爬取一个图片网站 unsplash.com,为什么要选择这个网站呢?因为这个网站的所有图片都是js动态请求生成的,所以说一般的爬取肯定是不行的啦 ~ 一.工具 这次爬取我们需要借助一款工具代 ...
- python个人简历爬取_python 爬取免费简历模板网站的示例
代码 # 免费的简历模板进行爬取本地保存 # http://sc.chinaz.com/jianli/free.html # http://sc.chinaz.com/jianli/free_2.ht ...
- 用爬虫爬取某妹子图片网站图片
闲聊 这部分在这就省了吧 感兴趣去我自己搭的博客看 : www.jojo-m.cn 代码实现 import requests from lxml import etree import time im ...
- python爬取汽车之家_python爬虫实战之爬取汽车之家网站上的图片
随着生活水平的提高和快节奏生活的发展.汽车开始慢慢成为人们的必需品,浏览各种汽车网站便成为购买合适.喜欢车辆的前提.例如汽车之家网站中就有最新的报价和图片以及汽车的相关内容,是提供信息最快最全的中国汽 ...
- [day4]python网络爬虫实战:爬取美女写真图片(Scrapy版)
l> 我的新书<Android App开发入门与实战>已于2020年8月由人民邮电出版社出版,欢迎购买.点击进入详情 文章目录 1.开发环境 2.第三方库 3.Scrapy简介 4. ...
最新文章
- 2011年工作总结和展望(上篇)
- No module named 'fcntl'
- Codeforces Round #476 (Div. 2) B. Battleship
- Word无法打开该文件,因为文件格式与文件扩展名不匹配的解决办法
- Java NIO之通道
- C#替换字符串起始/结尾指定的字符串
- web中的cookie管理
- 3 src 获取_CVE-2019-15846:Exim远程获取root权限漏洞分析
- selenium抓取_使用Selenium的网络抓取电子商务网站
- php 安装pdo odbc,PHP PDO ODBC连接
- rabbitmq 手动提交_第四章----SpringBoot+RabbitMQ发送确认和消费手动确认机制
- python 面授_5天Python实战营(面授)
- D3 updateenterexit
- PCA、CCA、PLS
- Elasticsearch 技术分享
- iOS-内购注意 沙盒二次验证
- 学生成绩管理系统(C语言)(链表)
- python2.7的字符串拼接
- Kubernetes K8S之存储Volume详解
- css渐变描边视频,CSS制作渐变描边等文字特效
热门文章
- PowerBI如何注册
- CTF-MD5之守株待兔,你需要找到和系统锁匹配的钥匙 WP
- JavaScript ------ DOM(事件基础)
- H5+CSS实现三级菜单(包括水平、垂直菜单和网页架构)
- 商业智能在医疗卫生领域的应用与前景
- 描述计算机主机,上海交大计算机第一次作业
- gataway 组件的健权、限流、过滤等功能分析(三十一)
- win10怎么连接android手机,如何将手机与Win10电脑关联以在电脑上继续任务?
- poi ppt 作者属性 修改_ppt文字属性-如何让PowerPoint里作者等信息不被修改自己辛辛苦苦做的工 爱问知识人...
- 计算机游戏《墓园(graveyard)》,墓地模拟器游戏《守墓人》宣布将会推出手机版本...