听说知乎大神用python爬取高颜值美女,是怎么操作的?

By | 2020年3月26日

 

  • 1 数据源

    知乎话题『美女』下所有问题中回答所出现的图片

    2 抓取工具

    Python 3,并使用第三方库 Requests、lxml、AipFace,代码共 100 + 行

    3 必要环境

    • Mac / Linux / Windows (Linux 没测过,理论上可以。Windows 之前较多反应出现异常,后查是 windows 对本地文件名中的字符做了限制,已使用正则过滤)

    • 无需登录知乎(即无需提供知乎帐号密码)

    • 人脸检测服务需要一个百度云帐号(即百度网盘 / 贴吧帐号)
      如果你刚学对代码不是很熟,最好看讲解比较生动的视频方便自己理解,最好是看最新的,没有的话。可以去小编Python学习裙:七衣衣九七七巴而五(数字的谐音)自己去里面下,多操作练习积累项目经验才是王道,

    4 人脸检测库

    AipFace,由百度云 AI 开放平台提供,是一个可以进行人脸检测的 Python SDK。可以直接通过 HTTP 访问,免费使用。

    5 检测过滤条件

    • 过滤所有未出现人脸图片(比如风景图、未露脸身材照等)

    • 过滤所有非女性(在抓取中,发现知乎男性图片基本是明星,故不考虑;存在 AipFace 性别识别不准的情况)

    • 过滤所有非真实人物,比如动漫人物 (AipFace Human 置信度小于 0.6)

    • 过滤所有颜值评分较低图片(AipFace beauty 属性小于 45,为了节省存储空间;再次声明,AipFace 评分无任何客观性)

    6 实现逻辑

    • 通过 Requests 发起 HTTP 请求,获取『美女』下的部分讨论列表

    • 通过 lxml 解析抓取到的每个讨论中 HTML,获取其中所有的 img 标签相应的 src 属性

    • 通过 Requests 发起 HTTP 请求,下载 src 属性指向图片(不考虑动图)

    • 通过 AipFace 请求对图片进行人脸检测

    • 判断是否检测到人脸,并使用 『4 检测过滤条件』过滤

    • 将过滤后的图片持久化到本地文件系统,文件名为 颜值 + 作者 + 问题名 + 序号

    • 返回第一步,继续

    7 抓取结果

    直接存放在文件夹中(angelababy 实力出境)。另外说句,目前抓下来的图片,除 baby 外,88 分是最高分。个人对其中的排序表示反对,老婆竟然不是最高分

    1.jpg

    2.jpg 3.jpg

    代码

    11.jpg 22.jpg

    9 运行准备

    • 安装 Python 3,Download Python

    • 安装 requests、lxml、baidu-aip 库,都可以通过 pip 安装,一行命令

    • 申请百度云检测服务,免费。人脸识别-百度AI
      最后顺便说下,不管你是为了Python就业还是兴趣爱好,记住:项目经验永远是核心,如果你缺python新项目练习,去小编的Python交流.裙 :七衣衣九七七巴而五(数字的谐音)转换下可以找到了,里面很多新教程项目,还可以跟老司机交流讨教!

      本文的文字及图片来源于网络加上自己的想法,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

Category: 未分类

发表评论

电子邮件地址不会被公开。 必填项已用*标注