你可能需要的工作環(huán)境：
我們這里以sogou作為爬取的對象。
首先我們進入搜狗圖片http://pic.sogou.com/，進入壁紙分類（當然只是個例子Q_Q），因為如果需要爬取某網(wǎng)站資料，那么就要初步的了解它…
進去后就是這個啦，然后F12進入開發(fā)人員選項，筆者用的是Chrome。
右鍵圖片>>檢查 ? ?
發(fā)現(xiàn)我們需要的圖片src是在img標簽下的，于是先試著用 Python 的 requests提取該組件，進而獲取img的src然后使用?urllib.request.urlretrieve逐個下載圖片，從而達到批量獲取資料的目的，思路好了，下面應(yīng)該告訴程序要爬取的url為http://pic.sogou.com/pics/recommend?category=%B1%DA%D6%BD，此url來自進入分類后的地址欄。明白了url地址我們來開始愉快的代碼時間吧：
在寫這段爬蟲程序的時候，最好要逐步調(diào)試，確保我們的每一步操作正確，這也是程序猿應(yīng)該有的好習慣。筆者不知道自己算不算個程序猿哈。線面我們來剖析該url指向的網(wǎng)頁。
import requestsimport urllibfrombs4import BeautifulSoup
res = requests.get('http://pic.sogou.com/pics/recommend?category=%B1%DA%D6%BD')
soup = BeautifulSoup(res.text,'html.parser')print(soup.select('img'))
output：
?發(fā)現(xiàn)輸出內(nèi)容并不包含我們要的圖片元素，而是只剖析到logo的img，這顯然不是我們想要的。也就是說需要的圖片資料不在url ?即 http://pic.sogou.com/pics/recommend?category=%B1%DA%D6%BD里面。因此考慮可能該元素是動態(tài)的，細心的同學可能會發(fā)現(xiàn)，當在網(wǎng)頁內(nèi)，向下滑動鼠標滾輪，圖片是動態(tài)刷新出來的，也就是說，該網(wǎng)頁并不是一次加載出全部資源，而是動態(tài)加載資源。這也避免了因為網(wǎng)頁過于臃腫，而影響加載速度。下面痛苦的探索開始了，我們是要找到所有圖片的真正的url 筆者也是剛剛接觸，找這個不是太有經(jīng)驗。最后找的位置F12>>Network>>XHR>>(點擊XHR下的文件)>>Preview。
發(fā)現(xiàn)，有點接近我們需要的元素了，點開all_items 發(fā)現(xiàn)下面是0 1 2 3...一個一個的貌似是圖片元素。試著打開一個url。發(fā)現(xiàn)真的是圖片的地址。找到目標之后。點擊XHR下的Headers
得到第二行
Request URL:
http://pic.sogou.com/pics/channel/getAllRecomPicByTag.jsp?category=%E5%A3%81%E7%BA%B8&tag=%E5%85%A8%E9%83%A8&start=0&len=15&width=1536&height=864，試著去掉一些不必要的部分，技巧就是，刪掉可能的部分之后，訪問不受影響。經(jīng)筆者篩選。最后得到的url：http://pic.sogou.com/pics/channel/getAllRecomPicByTag.jsp?category=%E5%A3%81%E7%BA%B8&tag=%E5%85%A8%E9%83%A8&start=0&len=15 ?字面意思，知道category后面可能為分類。start為開始下標，len為長度，也即圖片的數(shù)量。好了，開始愉快的代碼時間吧：
開發(fā)環(huán)境為Win7 ?Python 3.6，運行的時候Python需要安裝requests，
Python3.6 安裝requests 應(yīng)該CMD敲入：
pip install requests
筆者在這里也是邊調(diào)試邊寫，這里把最終的代碼貼出來：
import requestsimport jsonimport urllibdef getSogouImag(category,length,path):
? ? n = length
? ? cate = category
? ? imgs = requests.get('http://pic.sogou.com/pics/channel/getAllRecomPicByTag.jsp?category='+cate+'&tag=%E5%85%A8%E9%83%A8&start=0&len='+str(n))
? ? jd = json.loads(imgs.text)
? ? jd = jd['all_items']
? ? imgs_url = []
? ? forjin jd:
? ? ? ? imgs_url.append(j['bthumbUrl'])
? ? m = 0
? ? forimg_urlin imgs_url:
? ? ? ? ? ? print('***** '+str(m)+'.jpg *****'+'? Downloading...')
? ? ? ? ? ? urllib.request.urlretrieve(img_url,path+str(m)+'.jpg')
? ? ? ? ? ? m = m + 1print('Download complete!')
getSogouImag('壁紙',2000,'d:/download/壁紙/')
?程序跑起來的時候，筆者還是有點小激動的。來，感受一下：
至此，關(guān)于該爬蟲程序的編程過程敘述完畢。整體來看，找到需要爬取元素所在url，是爬蟲諸多環(huán)節(jié)中的關(guān)鍵
