前言最近在做监控相关的配套设施，发现很多脚本都是基于Python的。很早之前就听说其大名，人生苦短，我学Python，这并非一句戏言。随着人工智能、机器学习、深度学习的崛起，目前市面上大部分的人工智能的代码 大多使用Python 来编写。所以人工智能时代，是时候学点Python了。进军指南对于没有任何语言开发经验的同学，建议从头系统的学起，无论是书、视频还是文字教程都可以。另外注意：不管你是为了Python就业还是兴趣爱好，记住：项目开发经验永远是核心，如果你缺新项目练习或者没有python精讲教程，可以去小编的Python交流.裙 ：七衣衣九七七巴而五（数字的谐音）转换下可以找到了，里面很多新教程项目，还可以跟老司机交流讨教！如果是有其他语言开发经验的同学，建议从一个案例入手，比如爬取某个网站的套图。因为语言都是想通的，语法之类的只要你要语感，代码基本能读个八九不离十。所以不建议有经验的开发者从头学起，无论是视频还是书，对于开始学一门语言来说都是太浪费时间了。当然，等你深入进去以后，还是要系统的去学习，这是后话。软件工具Python3这里选择的是最新版 Python 3.7.1安装教程推荐：http://www.runoob.com/python3/python3-install.htmlWin下载地址：https://www.python.org/downloads/windowsLinux下载地址：https://www.python.org/downloads/sourcePyCharm可视化开发工具：http://www.jetbrains.com/pycharm案例实现步骤以妹子图为例，其实很简单，分以下四步： 获取首页的页码数，并创建与页码对应的文件夹 获取页面的栏目地址 进入栏目，获取栏目页码数(每个栏目下有多张图片，分页显示) 获取到栏目下对用标签中的图片并下载 注意事项爬取过程中，还需要注意以下几点，可能对你有所帮助：1）导库，其实就类似于Java中框架或者是工具类，底层都被封装好了安装第三方库 # Win下直接装的 python3 pip install bs4、pip install requests # Linux python2 python3 共存 pip3 install bs4、pip3 install requests 导入第三方库 # 导入requests库 import requests # 导入文件操作库 import os # bs4全名BeautifulSoup，是编写python爬虫常用库之一，主要用来解析html标签。 import bs4 from bs4 importBeautifulSoup # 基础类库 import sys # Python 3.x 解决中文编码问题 import importlib importlib.reload(sys) 2）定义方法函数，一个爬虫可能会几百行，所以尽量不要写成一坨 def download(page_no, file_path): # 这里写代码逻辑 3）定义全局变量 # 给请求指定一个请求头来模拟chrome浏览器 global headers # 告诉编译器这是全局变量 headers headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36'} # 函数内使用之前需要 # 告诉编译器我在这个方法中使用的a是刚才定义的全局变量 headers ，而不是方法内部的局部变量。 global headers 4）防盗链有些网站加入了防盗链，无所不能的 python 解决方案 headers = {'Referer': href} img = requests.get(url, headers=headers) 5）切换版本Linux服务器使用的是阿里云服务器，默认版本 python2，python3 自行安装 [root@AY140216131049Z mzitu]# python2 -V Python2.7.5 [root@AY140216131049Z mzitu]# python3 -V Python3.7.1 # 默认版本 [root@AY140216131049Z mzitu]# python -V Python2.7.5 # 临时切换版本 [root@AY140216131049Z mzitu]# alias python='/usr/local/bin/python3.7' [root@AY140216131049Z mzitu]# python -V Python3.7.1 6）异常捕获在爬取的过程中可能存在异常页面，这里我们进行捕获，不影响后续操作 try: # 业务逻辑 exceptExceptionas e: print(e) 代码实现编辑脚本：vi mzitu.py #coding=utf-8 #!/usr/bin/python # 导入requests库 import requests # 导入文件操作库 import os import bs4 from bs4 importBeautifulSoup import sys import importlib importlib.reload(sys) # 给请求指定一个请求头来模拟chrome浏览器 global headers headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.99 Safari/537.36'} # 爬图地址 mziTu = 'http://www.mzitu.com/' # 定义存储位置 global save_path save_path = '/mnt/data/mzitu' # 创建文件夹 def createFile(file_path): if os.path.exists(file_path) isFalse: os.makedirs(file_path) # 切换路径至上面创建的文件夹 os.chdir(file_path) # 下载文件 def download(page_no, file_path): global headers res_sub = requests.get(page_no, headers=headers) # 解析html soup_sub = BeautifulSoup(res_sub.text, 'html.parser') # 获取页面的栏目地址 all_a = soup_sub.find('div',class_='postlist').find_all('a',target='_blank') count = 0 for a in all_a: count = count + 1 if (count % 2) == 0: print("内页第几页：" + str(count)) # 提取href href = a.attrs['href'] print("套图地址：" + href) res_sub_1 = requests.get(href, headers=headers) soup_sub_1 = BeautifulSoup(res_sub_1.text, 'html.parser') # ------ 这里最好使用异常处理 ------ try: # 获取套图的最大数量 pic_max = soup_sub_1.find('div',class_='pagenavi').find_all('span')[6].text print("套图数量：" + pic_max) for j in range(1, int(pic_max) + 1): # print("子内页第几页：" + str(j)) # j int类型需要转字符串 href_sub = href + "/" + str(j) print(href_sub) res_sub_2 = requests.get(href_sub, headers=headers) soup_sub_2 = BeautifulSoup(res_sub_2.text, "html.parser") img = soup_sub_2.find('div', class_='main-image').find('img') if isinstance(img, bs4.element.Tag): # 提取src url = img.attrs['src'] array = url.split('/') file_name = array[len(array)-1] # print(file_name) # 防盗链加入Referer headers = {'Referer': href} img = requests.get(url, headers=headers) # print('开始保存图片') f = open(file_name, 'ab') f.write(img.content) # print(file_name, '图片保存成功！') f.close() exceptExceptionas e: print(e) # 主方法 def main(): res = requests.get(mziTu, headers=headers) # 使用自带的html.parser解析 soup = BeautifulSoup(res.text, 'html.parser') # 创建文件夹 createFile(save_path) # 获取首页总页数 img_max = soup.find('div', class_='nav-links').find_all('a')[3].text # print("总页数:"+img_max) for i in range(1, int(img_max) + 1): # 获取每页的URL地址 if i == 1: page = mziTu else: page = mziTu + 'page/' + str(i) file = save_path + '/' + str(i) createFile(file) # 下载每页的图片 print("套图页码：" + page) download(page, file) if __name__ == '__main__':main() 脚本在Linux服务器下运行，执行以下命令 python 3 mzitu.py # 或者后台执行 nohup python3 -u mzitu.py > mzitu.log 2>&1 & 目前只爬取了一个栏目的套图，一共17G，5332张图片。 [root@itstyle mzitu]# du -sh 17G . [root@itstyle mzitu]# ll -s total 5332 下面，请小伙伴们睁大眼睛，鸡冻人心的套图时刻来了。   小结作为一个初学者，脚本肯定多多少少有一些问题或者待优化的地方，另外注意不管你是为了Python就业还是兴趣爱好，记住：项目开发经验永远是核心，如果你缺新项目练习或者没有python精讲教程，可以去小编的Python交流.裙 ：七衣衣九七七巴而五（数字的谐音）转换下可以找到了，里面很多新教程项目，还可以跟老司机交流讨教！本文的文字及图片来源于网络加上自己的想法,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。