今天带你爬取P站各种数据资源，是不是很兴奋，是不是很刺激？

客官°小女子只卖身不卖艺 2023-01-03 14:17 195阅读 0赞

# 前言 #

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

以下文章来源于青灯教育 ，作者清风

**Python爬虫、数据分析、网站开发等案例教程视频免费在线观看**

https://space.bilibili.com/523606542

# 基本开发环境 #

*  Python 3.6
 *  Pycharm

# 相关模块的使用 #

import os
    import re
    import requests

看标题是爬取P站的数据资源，是不是很兴奋，是不是很刺激？

![17c937be03d00578b7f3d2e05bd488e5.png][]

“啊？P站？哪个P站？”，

我不知道你们说的P站是哪个P站，主要面向二次元的P站，应该只有一个吧。

![5858602948802fc421b3453bcbe40e1a.png][]

> pixiv是一个以插图、漫画和小说、艺术为中心的社交网络服务里的虚拟社区网站。于2007年9月10日推出第一个测试版。公司总部位于日本东京都涩谷区千驮谷。pixiv创办初衷是为全球艺术家提供一个能发表他们的作品，并透过评级系统反应其他用户意见的地方。网站以用户投稿的原创图画为中心，辅以标签、书签、作品回应、排行榜等功能形成具有其特色的社交网络。
> 
> 百度百科

![25d8bfe87682d60f8089190c0d4a348a.png][]

![bb9a60a401ba2252e91ff3edbb49137a.png][]

这些图片壁纸还是非常高清的，这个网站有一个非常有意思的地方：

**你复制图片地址，第一次可以访问，点击刷新第二次就会是403**

![de514d635c4cf6da14271e27523b997e.png][]

![75f1b7905642e3dcd7d8a1a11747adff.png][]

这些问题都不大，经过测试，当你给了cookie 以及 Referer 就可以下载爬取，哪怕是第二次也是可以的。

# 如何获取图片地址 #

1、网站是瀑布流加载，打开开发者工具，下滑网页就可以看到相关的数据接口了。

![a21f7d587ab224392d10a7a3e6bbfb61.png][]

里面有图片的名字以及图片的ID 链接等等。

![6adccf8279f0cf8a2991d1a8a046f2c0.png][]

数据接口中获取的图片地址和真实的图片地址还是有点差别的

比如：

# 数据接口中的图片地址
    # https://i.pximg.net/img-original/img/2021/01/03/02/51/59/86774115_p0.jpg
    # 图片真实地址
    # https://original.img.pixivic.net/img-original/img/2021/01/03/02/51/59/86774115_p0.jpg

所以提取url之后需要对其拼接。

# 完整代码 #

import os
    import re
    import requests
    
    
    
    
    def get_response(html_url):
        headers = {
            'cookie': '你自己的cookie',
            'Referer': 'https://pixivic.com/',
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
        }
        response = requests.get(url=html_url, headers=headers)
        return response
    
    
    
    
    def save(img_url, title):
        path = 'img\\'
        if not os.path.exists(path):
            os.makedirs(path)
        img_data = get_response(img_url).content
        with open(path + title, mode='wb') as f:
            f.write(img_data)
            print(title)
    
    
    
    
    def main(html_url):
        html_data = get_response(html_url).text
        img_url = re.findall('"original":"(.*?)"', html_data)
        title = re.findall('"title":"(.*?)"', html_data)
        picture_data = zip(img_url, title)
        for i in picture_data:
            # 正则匹配的地址
            # https://i.pximg.net/img-original/img/2021/01/03/02/51/59/86774115_p0.jpg
            # 图片真实地址
            # https://original.img.pixivic.net/img-original/img/2021/01/03/02/51/59/86774115_p0.jpg
            picture_1 = i[0].split('net/')[-1]   # img-original/img/2021/01/03/02/51/59/86774115_p0.jpg
            picture_2 = i[0].split('/')[-1]  # 86774115_p0.jpg
            picture_url = 'https://original.img.pixivic.net/' + picture_1
            picture_title = i[1] + picture_2
            save(picture_url, picture_title)
    
    
    
    
    if __name__ == '__main__':
        for page in range(1, 11):
            url = f'https://pix.ipv4.host/ranks?page={page}&date=2021-01-04&mode=day&pageSize=30'
            main(url)

# 最后说明 #

虽然可以爬取数据，但是爬取的速度相对而言有点慢了。因为有一些图片数据比较大。

![99fea8c108561201867307dde2e24199.png][]

![689c26db631d33c447ea4b4ab9b32a31.png][]

![5265a026691924ea50472923f6899bbb.png][]

[17c937be03d00578b7f3d2e05bd488e5.png]: /images/20221119/c40c69bc2aa74a0a871205b7e111088f.png
[5858602948802fc421b3453bcbe40e1a.png]: /images/20221119/1aca7d25b11b4d8989c3e8f4d407561a.png
[25d8bfe87682d60f8089190c0d4a348a.png]: /images/20221119/fa77ccc3a25f4b9aaa799d347523a485.png
[bb9a60a401ba2252e91ff3edbb49137a.png]: /images/20221119/72fa7695ef864332ab9ac49dd8717274.png
[de514d635c4cf6da14271e27523b997e.png]: /images/20221119/cd72842f4b5a4e699b14cdb49a2b6eff.png
[75f1b7905642e3dcd7d8a1a11747adff.png]: /images/20221119/60e6dd3e83a144da86d68c40a5f428c6.png
[a21f7d587ab224392d10a7a3e6bbfb61.png]: /images/20221119/29d8ad63e8074b3a83d3d0cdf067d7e8.png
[6adccf8279f0cf8a2991d1a8a046f2c0.png]: /images/20221119/0d2b94781c1140618466b646a802fd18.png
[99fea8c108561201867307dde2e24199.png]: /images/20221119/67a866d4b5f245c881ea779ff9af0588.png
[689c26db631d33c447ea4b4ab9b32a31.png]: /images/20221119/4dfd275d8cdd45a8966a7702f71dedb7.png
[5265a026691924ea50472923f6899bbb.png]: /images/20221119/96db2cf00de442f0bc26d2f0d56c32e8.png