本文纯技术角度出发，教你如何用Python爬虫获取百度图库海量照片——技术无罪。
学会获取小姐姐私房照同理可得也能获取其他的照片，技术原理是一致的。
目标站点
https://image.baidu.com/
开发环境
- 系统：Windows10 64位
- Python版本：Python3.6.5(Python3以上版本即可)
- IDE：Pycharm（非必须，其实你完全可以记事本写代码）
- 第三方库：requests、jsonpath
效果预览
网页私房照
代码爬取效果
正式教程
一、第三方库安装
在确保你正确安装了Python解释器之后，我们还需要安装几个第三方库，命令如下（）在终端中安装即可）：
HTTP请求库：
pip3 install requests
JSON数据解析库：
pip3 install jsonpath
二、爬虫的基本套路
- 不管是爬取哪类网站，在爬虫中基本都遵循以下的基本套路：
- 请求数据 → 获取响应内容 → 解析内容 → 保存数据
- 当然，以上步骤是代码的编写思路，实际操作中应该还要添加一个前置步骤，所以完整流程如下：
- 分析目标站点 → 请求网站获取数据 → 解析内容 → 保存数据
- 分析目标站点
快速的分析目标站点就很容易发现百度图库的图片资源是通过AJAX加载的，所以我们要请求的链接并非浏览器地址栏链接，而是ajax加载的数据包的资源路径，如图：
那么问题来了，如何获取到这些数据包的地址？其实很简单，如图所示：
2.请求网站获取数据
编写代码请求资源，这里有一点需要注意：请求头必须携带，否则有可能请求失败导致报错。
3.解析数据
上述代码最终获取到的数据是json数据，也就是我们Python中常说的字典，它长这样：
既然它是一个字典，我们当然是可以使用Python中的键值索引方式获取到想要的数据，但是此方法太笨，这里介绍一种更加高明的方式，使用jsonpath解析数据
使用requests请求图片URL，获取图片数据
4.保存数据
- 使用Python中的文件对象，保存图片，图片名字使用时间戳命名，避免图片重名
写在最后
到这整个儿爬虫程序就写完了。
当然，当前的这个只能爬取一个资源包中的数据，要爬取多个资源包或者说全部资源包的数据也是很简单的，只需要分析分析资源包的URL变化规律就不难发现其中的某个关键字变化，灵活改变该关键字就可以不断爬取。
热门跟贴