【Python爬虫实战项目】Python爬虫批量下载相亲网站数据并保存本地（附源码）

前言

今天给大家介绍的是Python爬虫批量下载相亲网站图片数据，在这里给需要的小伙伴们代码，并且给出一点小心得。

首先是爬取之前应该尽可能伪装成浏览器而不被识别出来是爬虫，基本的是加请求头，但是这样的纯文本数据爬取的人会很多，所以我们需要考虑更换代理IP和随机更换请求头的方式来对相亲网站图片数据进行爬取。

在每次进行爬虫代码的编写之前，我们的第一步也是最重要的一步就是分析我们的网页。

通过分析我们发现在爬取过程中速度比较慢，所以我们还可以通过禁用谷歌浏览器图片、JavaScript等方式提升爬虫爬取速度。

开发工具

Python版本： 3.6

环境搭建

安装Python并添加到环境变量，pip安装需要的相关模块即可。

文中完整代码及文件，评论留言获取

数据来源查询分析

浏览器中打开我们要爬取的页面
按F12进入开发者工具，查看我们想要的相亲网站图片数据在哪里
这里我们需要页面数据就可以了

源代码结构

代码实现

 for page in range(1, 11):

    # 请求链接

    url = f'https://love.19lou.com/valueApp/api/love/searchLoveUser?page={page}&perPage=12&sex=0'

    # 伪装模拟

    headers = {

        # User-Agent 用户代理, 表示浏览器基本信息

        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'

        'Cookie':'你的Cookie'

    }

    # 发送请求

    response = requests.get(url=url, headers=headers)

    print(response)



	#for循环遍历, 把列表里面元素一个一个提取出来

    for index in response.json()['data']['items']:

        #  https://love.19lou.com/detail/51593564  format 字符串格式化方法

        link = f'https://love.19lou.com/detail/{index["uid"]}'



	html_data = requests.get(url=link, headers=headers).text



	# 把获取下来 html字符串数据<html_data>, 转成可解析对象

        selector = parsel.Selector(html_data)

        name = selector.css('.username::text').get()

        info_list = selector.css('.info-tag::text').getall()

        # . 表示调用方法属性

        gender = info_list[0].split('：')[-1]

        age = info_list[1].split('：')[-1]

        height = info_list[2].split('：')[-1]

        date = info_list[-1].split('：')[-1]

        # 判断info_list元素个数  当元素个数4个 说明没有体重一栏

        if len(info_list) == 4:

            weight = '0kg'

        else:

            weight = info_list[3].split('：')[-1]

        info_list_1 = selector.css('.basic-item span::text').getall()[2:]

        zodiac = info_list_1[0].split('：')[-1]

        constellation = info_list_1[1].split('：')[-1]

        nativePlace = info_list_1[2].split('：')[-1]

        location = info_list_1[3].split('：')[-1]

        edu = info_list_1[4].split('：')[-1]

        maritalStatus = info_list_1[5].split('：')[-1]

        job = info_list_1[6].split('：')[-1]

        money = info_list_1[7].split('：')[-1]

        house = info_list_1[8].split('：')[-1]

        car = info_list_1[9].split('：')[-1]

        img_url = selector.css('.page .left-detail .abstract .avatar img::attr(src)').get()

        # 把获取下来的数据 保存字典里面  字典数据容器

        dit = {

            '昵称': name,

            '性别': gender,

            '年龄': age,

            '身高': height,

            '体重': weight,

            '出生日期': date,

            '生肖': zodiac,

            '星座': constellation,

            '籍贯': nativePlace,

            '所在地': location,

            '学历': edu,

            '婚姻状况': maritalStatus,

            '职业': job,

            '年收入': money,

            '住房': house,

            '车辆': car,

            '照片': img_url,

            '详情页': link,

        }

        csv_writer.writerow(dit)

        new_name = re.sub(r'[\/"*?<>|]', '', name)

获取Cookie

效果展示

数据保存

最后

今天的分享到这里就结束了，感兴趣的朋友也可以去试试哈

对文章有问题的，或者有其他关于python的问题，可以在评论区留言或者私信我哦

觉得我分享的文章不错的话，可以关注一下我，或者给文章点赞(/≧▽≦)/