Python爬取mn52网站美女图片以及图片防盗链的解决方法

发布时间：2020-12-20 12:46:04 所属栏目：Python 来源：网络整理

导读：防盗链原理 http标准协议中有专门的字段记录referer 一来可以追溯上一个入站地址是什么二来对于资源文件，可以跟踪到包含显示他的网页地址是什么因此所有防盗链方法都是基于这个Referer字段 ? so:很多网站使用防盗链的方法来设置反爬虫机制，设置这种机制

防盗链原理

http标准协议中有专门的字段记录referer

一来可以追溯上一个入站地址是什么

二来对于资源文件，可以跟踪到包含显示他的网页地址是什么

因此所有防盗链方法都是基于这个Referer字段

so:很多网站使用防盗链的方法来设置反爬虫机制，设置这种机制后通过图片路由直接访问会返回403错误，

其实解决办法很简单，加入header，然后把Referer写入即可！

headers = {
        ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML,like Gecko) Chrome/65.0.3325.181 Safari/537.36‘,‘Referer‘: url
    }

本文爬取https://www.mn52.com/网站上面的清纯美女图片，代码如下；

# 需要的库
import requests
import re
import os
from multiprocessing import Pool
# 主函数
def get_img(url):
    # 设置图片存储路径
    path = ‘./mn52/‘
    if not os.path.exists(path):
        os.mkdir(path)
    # 请求头，因为图片路由有防盗链设置所以在headers中添加‘Referer‘: url
    headers = {
        ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML,‘Referer‘: url
    }
    try:
        # 请求主页面路由
        response = requests.get(url=url,headers=headers)
        # print(response.text)
        # 正则提取并遍历获取分页面
        res_paging = re.findall(‘<div class="picbox">.*?<a href="(.*?)"‘,response.text,re.S)
        for i in res_paging:
            # 拼接分页面路由
            url_infos = ‘https://www.mn52.com‘ + i
            # 请求分页面路由
            res_details = requests.get(url=url_infos,headers=headers)
            # 遍历获取图片路由
            res_detail = re.findall(‘<div class="img-wrap">.*?<img .*?rel="(.*?)"/>‘,res_details.text,re.S)
            for i in res_detail:
                # 拼接图片路由
                img_urls = ‘https:‘+i
                # 给图片命名
                filename = i.split(‘/‘)[-1]
                # 判断图片是否已下载
                if os.path.exists(path+str(filename)):
                    print(‘图片已存在‘)
                else:
                    # 请求图片连接
                    res = requests.get(url=img_urls,headers=headers)
                    # 保存图片
                    with open(path+str(filename),‘wb‘) as f:
                        f.write(res.content)
                        # 打印下载信息
                        print(‘正在下载：‘+img_urls)
    except Exception as e:
        print(e)
# 程序入口
if __name__ == ‘__main__‘:
    # 构造完整路由
    urls = [‘https://www.mn52.com/meihuoxiezhen/list_2_{}.html‘.format(i) for i in range(1,94)]
    # 开启多进程
    pool = Pool()
    # 启动程序
    pool.map(get_img,urls)
    print(‘抓取完成‘)

图片比较多，需要一些时间下载，控制台显示的下载过程

打开文件查看图片是否下载成功

done

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!