導讀：聽說你寫Python代碼沒動力？本文就給你動力，爬取妹子圖。如果這也沒動力那就沒救了。

GitHub 地址: 
https://github.com/injetlee/Python/blob/master/%E7%88%AC%E8%99%AB%E9%9B%86%E5%90%88/meizitu.py

01 爬蟲成果

當你運行代碼後，文件夾就會越來越多，如果爬完的話會有2000多個文件夾，20000多張圖片。不過會很耗時間，可以在最後的代碼設置爬取頁碼範圍。

02 本文目標

熟悉 Requests 庫，Beautiful Soup 庫
熟悉多線程爬取
送福利，妹子圖

03 網站結構

我們從 http://meizitu.com/a/more_1.html 這個鏈接進去，界面如下圖所示：

可以看到是一組一組的套圖，點擊任何一組圖片會進入到詳情界面，如下圖所示：

可以看到圖片是依次排開的，一般會有十張左右的圖片

04 實現思路

看了界面的結構，那麼我們的思路就有了。

構造 url 鏈接，去請求圖一所示的套圖列表界面，拿到每一個頁面中的套圖列表。
分別進入每個套圖中去，下載相應的圖片。

05 代碼說明

1. 下載界面的函數,利用 Requests 很方便實現

def download_page(url):
 '''
 用於下載頁面
 '''
 headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0"}
 r = requests.get(url, headers=headers)
 r.encoding = 'gb2312'
 return r.text

2. 獲取圖一所示的所有套圖列表，函數中 link 表示套圖的鏈接，text表示套圖的名字。

def get_pic_list(html):
 '''
 獲取每個頁面的套圖列表,之後循環調用get_pic函數獲取圖片
 '''
 soup = BeautifulSoup(html, 'html.parser')
 pic_list = soup.find_all('li', class_='wp-item')
 for i in pic_list:
 a_tag = i.find('h3', class_='tit').find('a')
 link = a_tag.get('href') # 套圖鏈接
 text = a_tag.get_text() # 套圖名字
 get_pic(link, text)

3. 傳入上一步中獲取到的套圖鏈接及套圖名字,獲取每組套圖裡面的圖片,並保存,我在代碼中註釋了。

def get_pic(link, text):
 '''
 獲取當前頁面的圖片,並保存
 '''
 html = download_page(link) # 下載界面
 soup = BeautifulSoup(html, 'html.parser')
 pic_list = soup.find('div', id="picture").find_all('img') # 找到界面所有圖片
 headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0"}
 create_dir('pic/{}'.format(text))
 for i in pic_list:
 pic_link = i.get('src') # 拿到圖片的具體 url
 r = requests.get(pic_link, headers=headers) # 下載圖片，之後保存到文件
 with open('pic/{}/{}'.format(text, link.split('/')[-1]), 'wb') as f:
 f.write(r.content)
 time.sleep(1)

06 完整代碼

完整代碼如下，包括了創建文件夾，利用多線程爬取，我設置的是5個線程，可以根據自己機器自己來設置一下。

import requests
import os
import time
import threading
from bs4 import BeautifulSoup
def download_page(url):
 '''
 用於下載頁面
 '''
 headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0"}
 r = requests.get(url, headers=headers)
 r.encoding = 'gb2312'
 return r.text
def get_pic_list(html):
 '''
 獲取每個頁面的套圖列表,之後循環調用get_pic函數獲取圖片 

 '''
 soup = BeautifulSoup(html, 'html.parser')
 pic_list = soup.find_all('li', class_='wp-item')
 for i in pic_list:
 a_tag = i.find('h3', class_='tit').find('a')
 link = a_tag.get('href')
 text = a_tag.get_text()
 get_pic(link, text)
def get_pic(link, text):
 '''
 獲取當前頁面的圖片,並保存
 '''
 html = download_page(link) # 下載界面
 soup = BeautifulSoup(html, 'html.parser')
 pic_list = soup.find('div', id="picture").find_all('img') # 找到界面所有圖片
 headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0"}
 create_dir('pic/{}'.format(text))
 for i in pic_list:
 pic_link = i.get('src') # 拿到圖片的具體 url
 r = requests.get(pic_link, headers=headers) # 下載圖片，之後保存到文件
 with open('pic/{}/{}'.format(text, link.split('/')[-1]), 'wb') as f:
 f.write(r.content)
 time.sleep(1) # 休息一下，不要給網站太大壓力，避免被封
def create_dir(name):
 if not os.path.exists(name):
 os.makedirs(name)
def execute(url):
 page_html = download_page(url)
 get_pic_list(page_html)
def main():
 create_dir('pic')
 queue = [i for i in range(1, 72)] # 構造 url 鏈接 頁碼。
 threads = []
 while len(queue) > 0:
 for thread in threads:
 if not thread.is_alive():
 threads.remove(thread)
 while len(threads) < 5 and len(queue) > 0: # 最大線程數設置為 5
 cur_page = queue.pop(0)
 url = 'http://meizitu.com/a/more_{}.html'.format(cur_page)
 thread = threading.Thread(target=execute, args=(url,))
 thread.setDaemon(True)
 thread.start() 

 print('{}正在下載{}頁'.format(threading.current_thread().name, cur_page))
 threads.append(thread)
if __name__ == '__main__':
 main()