推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 3803 天前的主题，其中的信息可能已经有所发展或是发生改变。
好久不更，这次先一个问题，大家试着自己能不能解决哦~~
主角就是这个网站中的美女学霸照片。
https://www.zhinsta.com/profile/527439732/
首先分析一下思路，这个网站明显也是抓 instagram 上的照片导入过来的，至于 instagram 爬虫又现成的解决方案，先按下不表。你要解决的只是抓美女照片这个需求的话，直接墙外搞个服务器爬下来即可。
现在的限定是，在墙内的情况下只是抓在这个服务器上的照片。
注意，我分析的时候发现有 tricky 的地方，明显没有妹子图这么好抓。下一页和更多没有使用显式的链接，没有什么规律。
这个时候，就可以放出比较高级的爬虫技巧，比如，之前我做的笔记里
大侠先试试看
上图，剑桥化学系女学霸~~
主角就是这个网站中的美女学霸照片。
https://www.zhinsta.com/profile/527439732/
首先分析一下思路，这个网站明显也是抓 instagram 上的照片导入过来的，至于 instagram 爬虫又现成的解决方案，先按下不表。你要解决的只是抓美女照片这个需求的话，直接墙外搞个服务器爬下来即可。
现在的限定是，在墙内的情况下只是抓在这个服务器上的照片。
注意，我分析的时候发现有 tricky 的地方，明显没有妹子图这么好抓。下一页和更多没有使用显式的链接，没有什么规律。
这个时候，就可以放出比较高级的爬虫技巧，比如，之前我做的笔记里
大侠先试试看
上图，剑桥化学系女学霸~~
 | 1 49 2015-05-23 18:56:16 +08:00 这排版有一种 氯 的味道 >_< |
 | 2 ChiangDi 2015-05-23 19:08:55 +08:00 看了她的 weibo ，感觉基因好完美，应该很多男生会有跟她繁衍后代的欲望。。。 |
 | 3 ddqp 2015-05-23 19:19:54 +08:00 顶！ |
 | 4 libraor 2015-05-23 19:50:34 +08:00  1 你们都没发现照片都不是她自己，而是另外一个很亲密的人拍的么？so，骚年啊，不要YY了，快去写代码吧。。 |
 | 5 jason52 OP |
| 6 jason52 OP  |
 | 7 feiyuanqiu 2015-05-23 20:50:30 +08:00 |
 | 8 neone 2015-05-23 20:50:38 +08:00 忍不住点开她微博看了下（原谅我，我还是一个少年）。另外，思路的话由于对爬虫不是很了解，所有并不敢大声说话。 |
| 9 jason52 OP @feiyuanqiu 恩，还有个casperjs，基于你说的这个封装了一层，我考察了一番~~~ |
 | 10 mianju 2015-05-23 21:25:17 +08:00 说好的手把手教程呢？ |
 | 11 vjnjc 2015-05-23 21:37:54 +08:00 你们是怎么找到她得weibo得，有诀窍么？ |
 | 14 staticor 2015-05-23 21:59:14 +08:00 本来就是想学习Python技术的. 搞这么一个照片弄没心情学了- . |
 | 15 binux 2015-05-23 22:28:15 +08:00 完全没有看出来这个页面有什么难的了。。 http://demo.pyspider.org/results?project=zhinsta |
| 19 jason52 OP @binux 话说pyspider一出，爬虫其实就不用写"程序"啦。主要就是写一个配置文件定义一下所要的参数，所有的循环和判断部分可以省掉了。 |
 | 21 jianghu52 2015-05-23 23:45:58 +08:00 我比较笨。用的是比较笨的方法。 这个页面写的挺规矩的。要是我爬的话，首先进入第一页就不用说了。 然后Beautiful Soup来遍历文件，class= photos的只有一个地方，下面的ul 下面的li 里面就是图片了。 之后 [更多] 里面的href也写的比较明白。直接拼好连接做一个迭代再继续模拟访问。就能得到新的一页。 这样就能一直到最后一页。至于最后一页有没有 [更多] 我也不知道。快12点了。我准备睡觉了。以上纯粹脑洞。如果有问题，欢迎拍砖。 |
 | 22 O21 2015-05-23 23:54:57 +08:00 很简单的。。。自己看一天python 就会了。 |
 | 23 xuhaotian 2015-05-24 04:13:26 +08:00 微博 instagram 已双关注 先闪，谢谢lz |
 | 24 won 2015-05-24 08:57:32 +08:00 via iPhone 没任何图形识别技术在里面嘛，我觉得还是爬马赛克图片更直接 |
| 25 jason52 OP 实验一下~~  |
| 26 jason52 OP 楼主给的一个解~经大神一点拨，完全不用上js解析了唉（摊手）  |
 | 29 lhbc 2015-05-24 12:24:52 +08:00 剑桥化学女学霸，分分钟让你死了都不知道怎么回事，哈哈哈 |
 | 31 shepherd 2015-05-25 01:11:07 +08:00 这样真的好吗？一群人围着别人相册YY 不过，看完相册真的就不觉得累了啊。 |
Select Language