爬了1000张清纯妹子私房照，我流鼻血了...

闲扯几句

大家好，我是你们的老朋友青戈，之前分享了一篇Java爬虫的入门实战教程，收获了不少赞，看来大家伙对爬虫的热情度还是蛮高的哈。既然大家都这么想学爬虫，那今天就安排点刺激的。那你要非问我有多刺激，那我只能告诉，我看完…流鼻血了…🤪

插播一条反爬信息：本文作者：程序员青戈，博客：https://blog.csdn.net/xqnode

我知道大家平时工作生活都挺累的，要是程序员的话就更苦逼了，加不完的班，敲不完的bug，着实让老哥我有点心疼啊，那么这期就给大家放一波福利。高能预警！一大批美女即将来袭，请各位朋友们把持住，把持住啊！

啥？看的不过瘾？我就知道你这么说，同样作为兄弟的我非常能理解啊，那么下面这篇教程你得好好看看了，因为这将直接决定你今晚能不能睡个好觉😂

进入主题

今天我们爬取的网站是唯美女生网，我们进来看看

是不是很哇塞？都是好看的小姐姐😎这谁顶得住啊，我就点进去瞅一眼

卧槽？这什么鬼？小姐姐怎么变大妈了！

导演：搞错了，再来！

啊这，为什么让小小年纪的我看到这个？兄弟们，我又相信爱情了！曾经有一段真挚的爱情摆在我的面前，我没有好好珍惜，现在，她回来了，还是那么清纯、羞涩，穿着碎花的裙子，趴在床上向我微笑。

这，不就是青春吗？
这，不就是爱情吗？

还等什么？我来啦！

网页代码分析

回归主题哈，各位，我这个人有个不好的习惯，看到美女就走神，真是抱歉了，差点忘记了今天是来写代码的😅

这个网站的站长估计每天被爬虫的烦死了，服务器顶着巨大的压力，曾经一段时间还频繁宕机。为了解决后患，他干脆关了网页的f12功能，不让看代码了，防止无数的se狼们搞他的小站，毕竟人家也不容易，你们干太猛了，怼太深了，不给人家活路啊

今天我为了写这篇教程，也是花尽了心思啊，想尽办法拿到了他的源码，你们猜我是怎么搞的？

不知道你们观察过没，平时你在看网站源代码的时候，地址栏的前面会多这一段：view-source:，后面跟的就是你实际的网站的地址，比如百度的源码是这样的：view-source:https://www.baidu.com

那么同样的道理，我们也可以使用这个地址看这个网站的源代码，比如：view-source:https://www.vmgirls.com/15215.html

我们从网页的源代码分析可以找到图片的位置，分析得出 a标签的href 属性就是图片的地址：

随便点开看一下，证实我的想法：

OK，确定了图片的位置，那就好办了

开始撸码

还是老规矩，我们继续使用 Jsoup 来进行网页数据抓取，先引入jsoup的包：

<dependency><groupId>org.jsoup</groupId><artifactId>jsoup</artifactId><version>1.13.1</version>
</dependency>

连接目标网页，得到 Document 对象：

Document document = Jsoup.connect("https://www.vmgirls.com/15298.html").get();

从Document对象中获取到目标图片所在父级的 div ，获取到这个div之后，事情就简单多了。

我们从这个div中获取所有的a标签，然后判断，a标签的href属性是否包含 jpeg 关键字，如果包含了，那就是我们需要抓取的图片。

Elements elements = element.getElementsByTag("a");for (Element a : elements) {String href = a.attr("href");if(href.contains("jpeg")) {System.out.println(href);}}

打印下结果，确实是拿到了所有的图片。

到了这一步算不算完成了呢？肯定没有啊，我们还没有下载到本地磁盘里面呢。不在自己电脑里怎么能在夜深人静的时候自己偷偷看啊😆

那我们就得想办法把这些链接下载下来啊，Java下载网络文件非常简单，我这里为了省事呢，直接使用了第三方的工具类 hutool ，感兴趣的同学们可以自己去了解一下 hutool 这个甜甜的工具类啊，保证你用完一次就爱上他。官网地址：https://www.hutool.cn/

引入hutool

<dependency><groupId>cn.hutool</groupId><artifactId>hutool-all</artifactId><version>5.3.7</version>
</dependency>

下载图片到本地磁盘：

for (Element a : elements) {String href = a.attr("href");if(href.contains("jpeg")) {System.out.println(href);// 下载图片到项目根路径下的imgs文件夹中HttpUtil.downloadFile("https:" + href, new File(System.getProperty("user.dir") + "/imgs"));}
}

再跑一遍：

控制台显示下载完成，我们打开本地磁盘的文件夹看看：

非常完美啊，看到这一排排的美女图片，内心还是有那么一丝丝的小躁动的 [害羞]

批量下载

刚才演示的是下载单个网页中的图片，那么很多坏家伙又会很好奇，怎么批量下载美女图片？

别以为我不知道你们的小心思哈，因为我也在琢磨呢，哈哈🤣

你别说，我还真找到办法了。

经过没日没夜的研究，我发现，不同网页的地址，是通过数字控制的，比如：https://www.vmgirls.com/14636.html 和 https://www.vmgirls.com/15298.html

那么就是说我们找到了这个数字，问题就迎刃而解了。

那么去哪找这个数字呢？答案肯定是在首页啊，打开首页的源代码看看：

我注意到这个 class=media-content 的 a 标签中包含了我们所需要的数据，所以我们来循环一次看看，是不是能拿到：

Document main = Jsoup.connect("https://www.vmgirls.com").get();
Elements medias = main.getElementsByClass("media-content");
for (Element media : medias) {System.out.println(media.attr("href"));
}

跑了一下代码，确实拿到了这个数字的地址，但是数据还是有点混乱。

我们需要做进一步的筛选，筛选出末尾是html结尾的地址。

Document main = Jsoup.connect("https://www.vmgirls.com").get();
Elements medias = main.getElementsByClass("media-content");
for (Element media : medias) {String href = media.attr("href");if (href.endsWith("html")) {System.out.println(href);}
}

再跑一次，这就完美了：

接下来就好办了，有了网页的地址，我们只需要挨个循环，就能批量得到网页的数据了！

完整代码：

Document main = Jsoup.connect("https://www.vmgirls.com").get();
Elements medias = main.getElementsByClass("media-content");
for (Element media : medias) {String url = media.attr("href");if (url.endsWith("html")) {Document document = Jsoup.connect("https://www.vmgirls.com/" + url).get();Element element = document.getElementsByClass("nc-light-gallery").get(0);Elements elements = element.getElementsByTag("a");for (Element a : elements) {String href = a.attr("href");if (href.contains("jpeg")) {System.out.println(href);HttpUtil.downloadFile("https:" + href, new File(System.getProperty("user.dir") + "/imgs"));}}}
}
System.out.println("下载完成");