用Python爬取高颜值美女(爬虫+人脸检测+颜值检测)

马哥Linux运维

共 1097字,需浏览 3分钟

 ·

2021-12-27 20:21

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)

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

代码:

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

文章转载:Python编程学习圈
(版权归原作者所有,侵删)

点击下方“阅读原文”查看更多

浏览 29
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报