python简单爬虫（爬取pornhub特定关键词的items图片集）

请提前搭好梯子，如果没有梯子的话直接403。

1.所用到的包

requests：和服务器建立连接，请求和接收数据（当然也可以用其他的包，socket之类的，不过requests是最简单好用的）

BeautifulSoup：解析从服务器接收到的数据

urllib：将网页图片下载到本地

import requests

from bs4 import BeautifulSoup

import urllib

2.获取指定页面的html内容并解析

我这里选取"blowjob"作为关键字

key_word='blowjob'
url = 'https://www.pornhub.com/video/search?search='+key_word

html=requests.get(url)

soup=BeautifulSoup(html.content,'html.parser')

3.从html中筛到全部image并进行遍历

使用find_all函数，将所有img区块中包含属性'width':"150"的存储到jpg_data列表中，并对jpg_data列表进行遍历

jpg_data=soup.find_all('img',attrs={'width':"" })

for cur in jpg_data:

    pic_src=cur['src']

4.进一步筛选，并找到图片地址进行下载操作

cur['src']为当前图片地址，cur['alt']为当前图片标题，urllib.requests.urlretrieve操作将图片保存到当地，默认地址为本py文件所在目录，如有需要也可自定义保存目录。

for cur in jpg_data:

    pic_src=cur['src']

    if(".jpg" in pic_src):

        filename=cur['alt']+'.jpg'

        with open(filename,'wb') as f:

            f.write(bytes(pic_src,encoding='utf-8'))

            print(filename)

            f.close()

完整代码：

import requests

from bs4 import BeautifulSoup

headers = {'User-Agent': 'User-Agent:Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36'}

url = 'https://www.pornhub.com/video/search?search=blowjob'

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

soup=BeautifulSoup(html.content,'html.parser')

jpg_data=soup.find_all('img',attrs={'width':"" })

for cur in jpg_data:

    pic_src=cur['src']

    if(".jpg" in pic_src):

        filename=cur['alt']+'.jpg'

        with open(filename,'wb') as f:

            f.write(bytes(pic_src,encoding='utf-8'))

            print(filename)

            f.close()

以上所作示例仅爬取了keyword关键词搜索下第一页的图片内容，如需要爬取多页，

可在url后加'&page=xx'并进行遍历

for i in range(0,10):

　　url = 'https://www.pornhub.com/video/search?search=blowjob'+'&page='+str(i)

程序运行结果：

巴特西