Python能做的事情很多，爬虫是一个常见需求，可以自动从互联网爬取想要的图片。这里我们从0开始实现一个百度图片的爬虫。

背景知识：

什么是网络爬虫？

网络爬虫又叫网络蜘蛛、网络机器人等，是一个能在互联网上自动提取网页信息并进行解析的程序。

简单就是两点：自动化地访问网站、获取所需信息。

网络爬虫实现方式主要有两种：（1）发送HTTP请求获取网页内容，（2）模拟浏览器行为来获取数据。

如何定位和获取页面元素？

Html网页中的各个元素都有自己的标签和属性。Xpath是XML路径语言，用于确定XML文档中的元素位置，通过元素路径对元素查找。

Html网页是XML的一种实现方式，使用Xpath实现对页面元素定位。

XPath可以通过标签名和属性名来定位和提取HTML或XML文档中的数据。可以用于获取Html元素的文本或者属性等，

Xpath Helper是Chrome浏览器的扩展插件，是一款免费的XPath工具，可以快速获取Html元素的Xpath表达式。

如何下载想要的页面元素内容？

使用Python的requests库模拟人为浏览页面的操作，发送Http请求下载相应数据并保存。

下面根据背景知识逐步讲解操作步骤：

一、安装Xpath Helper插件

1、打开浏览器的扩展程序（这里以chrone为例）

2、打开Chrone浏览器的应用商店

3、搜索Xpath Helper插件

4、安装Xpath Helper插件

5、重启浏览器，激活Xpath Helper

6、将Xpath Helper插件固定到浏览器的工具栏：

二、在百度图片中搜索想要的图片，获取到待爬取的图片url，这里以“黄桥烧饼”为例。

1、打开百度图片，搜索“黄桥烧饼”

2、使用如下步骤打开“开发者工具”，或者直接按F12

3、按照图示查询网页的Html结构、图片的元素信息

4、进一步查询图片的信息

5、获取图片的Xpath路径，进而批量查询出图片的url地址

6、使用开发者工具直接查询图片标签的Xpath

7、将图片的Xpath黏贴到Xpath Helper插件的查询窗口

8、直接复制到Xpath绑定了特定图片，这里需要修改下得到更一般性的Xpath。

9、将修改后的xpath复制到Xpath Helper的查询框中：

10、将Xpath Helper查询出的结果复制出来，单独放到一个txt文件中，作为爬虫的图片来源。

三、编写python爬虫

编写python爬虫

点击运行按钮，运行爬虫程序，根据前面的图片url集合，开始逐个爬取图片

最后爬取到的图片集合：

后记：

一般而言，爬虫会提升目标服务器负载，会影响到服务的正常运转。很多的目标网站/服务器会有多种反爬虫措施。比如：

图片伪装、自定义字体、验证码、

请求头验证、对特定IP地址的请求次数限制等

页面动态渲染（页面由客户端渲染，内容由JavaScript渲染而成，无法通过查看查看网页源代码得到有效数据）、

本文只是介绍爬虫的一个简单案例，想要得到一个功能强大的应用还需要掌握各种爬虫技术，后面会不断介绍。

本文原创，原始版本发表链接：

kelly会在公众号「kelly学技术」不定期更新文章，感兴趣的朋友可以关注一下，期待与您交流。

--over--