爬蟲---xpath解析（爬取美女圖片）

這個網頁的程式碼結構。可以很好的拿來練手xpath解析。現在爬這個網站比較慢，有時還可能報錯。程式碼沒有問題，可以實現，也許是缺一些優化。等熟悉了再來優化。


程式碼中的處理中文亂碼的方式劃重點。一種是手動設定響應資料的編碼格式，另一種是通用處理中文亂碼解決方案。encode('iso-8859-1').decode('gbk') 用這個別忘了接收修改後的資料哦！

import requests
from lxml import etree
import os
if __name__ == "__main__":
    headers = {
        'Referer': 'http://pic.netbian.com/4kmeinv/index_2.html',
        'user_agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'
    }
    url='http://pic.netbian.com/4kmeinv/'
    #獲取響應資料
    response = requests.get(url = url, headers = headers)

    #手動設定響應資料的編碼格式
    # response.encoding = 'utf-8'
    page_text = response.text
    #例項化etree物件，並將頁面資料載入到物件中
    tree = etree.HTML(page_text)

    #統一儲存到資料夾中
    if not os.path.exists('./BeautyPhotos'):
        os.mkdir('./BeautyPhotos')

    #xpath解析，返回列表，儲存的是li標籤
    li_list = tree.xpath('//div[@class = "slist"]/ul/li')
    # print(li_list)
    for li in li_list:
        url = 'http://pic.netbian.com' + li.xpath('./a/img/@src')[0]
        title = li.xpath('./a/b/text()')[0] + '.jpg'
        #通用處理中文亂碼的解決方案
        title = title.encode('iso-8859-1').decode('gbk')

        #儲存圖片
        img_data = requests.get(url = url,headers = headers).content
        img_path = 'BeautyPhotos/' + title
        with open(img_path,'wb') as fp:
            fp.write(img_data)
            print("儲存成功！")