5分钟撸了个小小爬虫....

前言

这几天在用“必应”搜索时，分钟发现必应的爬虫背景图片挺好看的，有的分钟是风景，有的爬虫是动物。。分钟。爬虫于是分钟产生了一个想法，爬下来当做桌面背景图吧。爬虫。分钟

由于是爬虫每天必应的图片都会变，所以后续结合电脑自带的分钟定时任务，可以达到每天自动抓取图片的爬虫效果。

开工

简单的分钟分析下：必应首页。

打开 F12 ，爬虫找到对应的分钟请求，可以很容易的看到有这么个链接，然后点一下，就会新打开一个页面，此时显示的就是高防服务器背景图片。

如何下载呢?其实很简单，说下逻辑。

requests库请求主页，正则匹配地址，再用 requests 请求，将返回的 content 以二进制的形式写入文件，保存为图片。

核心代码：

url = https://cn.bing.comheaders = {     User-Agent: Mozilla/5.0  (Macintosh; Intel Mac OS X 10_15_1)                   AppleWebKit/605.1.15 (KHTML, like Gecko) Version/13.0.3  Safari/605.1.15}r = requests.get(url=url, headers=headers)# 正则匹配 到 url 地址a = re.findall(rrel="preload" href="(.*?)" as="image",  r.text)if a:    # 拼接 https://cn.bing.com/xxxxxx图片的地址     picture_url = parse.urljoin(url, a[0])    print(f当前图片地址： { picture_url})    r_picture = requests.get(url=picture_url,  headers=headers)    write_file(file, r_picture.content) # 写入文件 

执行后的结果：

主要是正则表达式，如何书写，匹配出来，用 urllib 的 urljoin 方法拼接下图片地址即可。可以看下核心代码的相关注释。

定时任务

Python代码一共 25 行，关键是如何利用系统定时来制造每天触发的效果。

使用方法，两个。

编辑 crontab ：

crontab -e 

回车后，进入内容，用法和 vim 一样，按下 i 即可编写，然后 wq 保存。

0 10 * * * /Users/sy/anaconda3/bin/python /Users/sy/PycharmProjects /python-tools/spider/bing_picture/crawl_bing.py > /Users /sy/PycharmProjects/python-tools/spider/bing_picture/log 

第一段，是源码库cron特有的时间配置表达式，可以看下图的简介，顺便给大家一个网址，可以在线查看其表达式的含义。而我脚本中写的则是每天十点整执行 Python。

工具网址：

crontab执行时间计算​tool.lu

写完 cron 表达式，后面跟的其实就是 python xxx.py 这样的命令，只不过，在 cron 中一定要写绝对路径，否则不生效。

再执行 python 命令的基础上，我还追加了 > xxx.log 这样，意思是将 python 脚本的打印内容输出到一个指定目录的 log 文件里。

2.查看定时任务 crontab：

crontab -l 

cron -l 则是查看定时任务列表内容的，可以看到有多少任务配置了。如果有多个定时脚本，则可以回车换行继续添加即可。

每日自动抓取，导入图片，服务器租用换背景即可。

总结

嗯，这就是本次的 5 分钟撸一个小爬虫系列!

本篇介绍的定时工具，其实用途很大，因为基于系统层面，所以不依赖于脚本，只要你电脑开着，就可以随心所欲的触发你写的脚本，而不依赖你脚本本身使用代码的定时任务!