开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> 【简简单单来个爬虫小案例吧】获取emoji表情包 -> 正文阅读

[人工智能]【简简单单来个爬虫小案例吧】获取emoji表情包

?🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝

🥰 博客首页：knighthood2001

😗 欢迎点赞👍评论🗨?

?? 热爱python，期待与大家一同进步成长！！??

????????在平时写博客的时候，为了让博客内容更加丰富，会使用到各种各样的表情包。如上，笔者也用了许多emoji表情包，有些表情包还挺不错的。

????????笔者想看一下emoji表情包放在一起的画面，因此写了一个爬虫爬取emoji表情包与标题名。最后发现其实挺震撼的。

????????因此我将获得的emoji表情已经放到【emoji大全宝典】中。

1.1网址获取

1.3.3开干

1.3.4文件保存（md、txt）

拓展知识1

拓展知识2

二、总结

一、实现过程

1.1网址获取

emoji网址：🤣 Emoji表情大全，颜文字百科 💌 - EmojiXD

如图，该网址其中的表情包分类大致可以分为两类，点击右边查看所有口袋（如下图）.?

这是emoji口袋的网址：?颜文字口袋 - Emoji收藏合集 - EmojiXD

以上两个网址就是我们需要进入的主网址。我们也是根据这两个网址进行获取具体emoji表情。

1.2文件创建?

如上，emoji爬取创建两个目录emoji和emoji_pockets,其中有request_emoji.py和request_emoji_pockets.py两个python文件。

1.3emoji爬取讲解

https://emojixd.com/

以上就是我们要进行爬取的网址，

随意点击一块区域，进入新的网址

我们可以看到一类一类的emoji表情。

因此我们可以得出爬取emoji表情的大致思路。

1.3.1大致思路

? ? ? ? 我们首先获取到主网址中每一块区域所对应的网址，如上图中的表情与情感、人物与身体、动物与自然等，然后进入具体的区域，如进入表情与情感网页，爬取相关的表情！！

1.3.2模块准备

import requests
import re

项目比较简单，只需要用到requests模块和re模块即可

1.3.3开干

url = 'https://emojixd.com'
response = requests.get(url)
print(response.text)

打印出来的就是网页源代码，要是觉得看这个不太方便买也可以在emoji网站右键，查看网页源代码

注意：点的是查看网页源代码而不是检查，检查中的内容是经过css等渲染后的内容，与源代码还是有点区别的。?

这里我选择查看网页源代码，我们可以发现每一块区域，都有相对应的网址（如下图）。

在爬虫中，我们可以采用正则表达式精准的找出匹配的内容，如果需要重温python正则表达式的，可以看一下我之前写的。

重识python正则表达式（re模块）https://blog.csdn.net/knighthood2001/article/details/124539352?spm=1001.2014.3001.5502代码如下：

a = re.findall('<a class="group-header center p1" href="(.*?)">', response.text)
print(a)
'''['/group/smileys-emotion', '/group/people-body', '/group/animals-nature', 
'/group/food-drink','/group/travel-places', '/group/activities', '/group/objects', 
'/group/symbols', '/group/flags']'''

re.findall()返回的是列表的数据类型?

由于旗帜区域中包含的几乎全是如下内容，因此我就不爬取这里的信息了

旗帜板块在所要爬取区域的最后，而列表的最后元素从右往左数的位置为-1。

代码如下：

for b in a[:-1]:
    # print(b)
    base_url = url + b
    # print(base_url)
    new_response = requests.get(base_url)
    # print(new_response.text)
    emoji = re.findall('<div class="emoji left mr2 h1">(.*?)</div> ', new_response.text)
    title = re.findall('<p class="truncate" title=".*?">(.*?)</p>', new_response.text)
    # print(emoji)
    # print(title)

讲解：①a[:-1]表示包含开头到倒数第二个内容的列表。；

注意：这里的-1不取到

②接下来进行拼接url，将其拼接成包含具体emoji表情的网址；

③接下来对具体url进行查看网页源代码操作，然后进行找规律，

发现我们需要的表情和表情所对应的标题如下

<div class="emoji left mr2 h1">😃</div>

<p class="truncate" title="哈哈">哈哈</p>?

因此我们编写正则表达式进行提取。

打印出来如下图：

可以发现，有些emoji表情有色彩，有些则是镂空形态，有些则显示像'\U0001f9c4'这样的内容。

不过不用慌，我们只要将它们保存到文件即可

1.3.4文件保存（md、txt）

①保存为txt文件

如下图所示，这里笔者分两个txt文件进行存储，一个文件中全是emoji表情，另一个文件中存储的是emoji表情及其对应的title。

代码如下：

    for i in emoji:
        with open('emoji.txt', 'a', encoding='utf-8') as f:
            f.write(i)

    for i, j in zip(emoji, title):
        # print(i+j)
        with open('title_emoji.txt', 'a', encoding='utf-8') as f:
            f.write(i + j)

拓展知识1：

由于爬取的emoji和title是用re.findall()函数获得的，因此其是一个列表，我们要是将它一一对应的排序，我们可以使用zip()函数，将其中的元素一一对应。?

拓展知识2：

今后大家在使用zip()的时候可能会遇到，

    c = zip(emoji, title)
    print(c)

返回结果如下?

这不是我们想要的结果，查阅资料才知道，

原因是为了节约内存，python3基于此对此进行了优化，输出只输出对象的内存位置而不打印出来。而在python2中可以直接输出到屏幕

解决方法就是加个list()?

    c = zip(emoji, title)
    print(c)
    print(list(c))

这样就得到了我们需要的内容。?

????????不过保存为txt文件，在阅读的时候是没有颜色的，虽然复制后，在聊天软件粘贴时显示了彩色。不过这不太方便。因此笔者尝试着将其保存为md文件。

②保存为md文件

代码和上面一样，只需将文件后缀改成.md即可

    for i in emoji:
        with open('emoji.md', 'a', encoding='utf-8') as f:
            f.write(i)

    for i, j in zip(emoji, title):
        # print(i+j)
        with open('title_emoji.md', 'a', encoding='utf-8') as f:
            f.write(i + j)

编辑器在左，预览区在右。当然你也可以设置为仅预览区（如下图）。

至此，我才发现md文件这么强大。?

1.3.5全部代码展示

# -*- coding: utf-8-*-
import requests
import re

url = 'https://emojixd.com'
response = requests.get(url)
# print(response.text)
a = re.findall('<a class="group-header center p1" href="(.*?)">', response.text)
# print(a)
'''['/group/smileys-emotion', '/group/people-body', '/group/animals-nature', 
'/group/food-drink','/group/travel-places', '/group/activities', '/group/objects', 
'/group/symbols', '/group/flags']'''
for b in a[:-1]:
    # print(b)
    base_url = url + b
    # print(base_url)
    new_response = requests.get(base_url)
    # print(new_response.text)
    emoji = re.findall('<div class="emoji left mr2 h1">(.*?)</div> ', new_response.text)
    title = re.findall('<p class="truncate" title=".*?">(.*?)</p>', new_response.text)
    # print(emoji)
    # print(title)

    for i in emoji:
        with open('emoji.txt', 'a', encoding='utf-8') as f:
            f.write(i)

    for i, j in zip(emoji, title):
        # print(i+j)
        with open('title_emoji.txt', 'a', encoding='utf-8') as f:
            f.write(i + j)

    for i in emoji:
        with open('emoji.md', 'a', encoding='utf-8') as f:
            f.write(i)

    for i, j in zip(emoji, title):
        # print(i+j)
        with open('title_emoji.md', 'a', encoding='utf-8') as f:
            f.write(i + j)

1.4emoji口袋爬取

内容与1.3emoji爬取中的内容类似，代码如下

# -*- coding: utf-8-*-
import requests
import re
url = "https://emojixd.com/pockets"
response = requests.get(url)
# print(response.text)
a = re.findall('<a class="pocket mx1" href="(.*?)">', response.text)
# print(a)
'''['/pocket/mid-autumn-2020', '/pocket/freedom', '/pocket/qingming', '/pocket/science', 
'/pocket/invest', '/pocket/Arbor_Day', '/pocket/customer_first', '/pocket/spring', 
'/pocket/i_love_work', '/pocket/hero', '/pocket/womensday', '/pocket/insomnia', 
'/pocket/cooking', '/pocket/jingzhe', '/pocket/child_at_home', '/pocket/lovely_cat', 
'/pocket/online_work', '/pocket/keep_slim', '/pocket/keep_fit', '/pocket/baking', 
'/pocket/womens_day', '/pocket/control-disease', '/pocket/on_the_way', '/pocket/new-year', 
'/pocket/christmas', '/pocket/tired', '/pocket/party', '/pocket/chinese-zodiac', 
'/pocket/thanksgiving', '/pocket/halloween', '/pocket/love', '/pocket/congratulations', 
'/pocket/journey', '/pocket/holidays', '/pocket/hearts', '/pocket/zodiac']
'''
for b in a:
    base_url = 'https://emojixd.com' + b
    print(base_url)
    new_response = requests.get(base_url)
    emoji = re.findall('<div class="emoji left mr2 h1">(.*?)</div> ', new_response.text)
    title = re.findall('<p class="truncate" title=".*?">(.*?)</p>', new_response.text)
    print(emoji)
    print(title)

    for i in emoji:
        with open('emoji_pockets.md', 'a', encoding='utf-8') as f:
            f.write(i)

    for i, j in zip(emoji, title):
        print(i+j)
        with open('title_emoji_pockets.md', 'a', encoding='utf-8') as f:
            f.write(i + j)

1.4.1emoji文案爬取?

不过我在一些板块中发现了emoji文案，觉得有趣，也爬取下来了。

查看网页源代码，文案在这里。因此编写正则表达式。并保存文件为md。

    text = re.findall('<div class="clearfix notification h5 mx1 mt2"><p>(.*?)</p>', new_response.text, re.S)
    print(text)
    for j in text:
        with open('text.md', 'a', encoding='utf-8') as f:
            f.write(j)

爬下来的文案看着非常乱，因为全部连在一起。

因此我们加两个换行（具体markdown的写法笔者也不是太熟悉，自己也是尝试出来的）

    text = re.findall('<div class="clearfix notification h5 mx1 mt2"><p>(.*?)</p>', new_response.text, re.S)
    print(text)
    for j in text:
        with open('text.md', 'a', encoding='utf-8') as f:
            f.write(j)
            f.write('\n')
            f.write('\n')

这样就显得比较有序了。

至此，爬取emoji表情全部大功告成。

1.4.2全部代码展示

# -*- coding: utf-8-*-
import requests
import re
url = "https://emojixd.com/pockets"
response = requests.get(url)
# print(response.text)
a = re.findall('<a class="pocket mx1" href="(.*?)">', response.text)
# print(a)
'''['/pocket/mid-autumn-2020', '/pocket/freedom', '/pocket/qingming', '/pocket/science', 
'/pocket/invest', '/pocket/Arbor_Day', '/pocket/customer_first', '/pocket/spring', 
'/pocket/i_love_work', '/pocket/hero', '/pocket/womensday', '/pocket/insomnia', 
'/pocket/cooking', '/pocket/jingzhe', '/pocket/child_at_home', '/pocket/lovely_cat', 
'/pocket/online_work', '/pocket/keep_slim', '/pocket/keep_fit', '/pocket/baking', 
'/pocket/womens_day', '/pocket/control-disease', '/pocket/on_the_way', '/pocket/new-year', 
'/pocket/christmas', '/pocket/tired', '/pocket/party', '/pocket/chinese-zodiac', 
'/pocket/thanksgiving', '/pocket/halloween', '/pocket/love', '/pocket/congratulations', 
'/pocket/journey', '/pocket/holidays', '/pocket/hearts', '/pocket/zodiac']
'''
for b in a:
    base_url = 'https://emojixd.com' + b
    # print(base_url)
    new_response = requests.get(base_url)
    emoji = re.findall('<div class="emoji left mr2 h1">(.*?)</div> ', new_response.text)
    title = re.findall('<p class="truncate" title=".*?">(.*?)</p>', new_response.text)
    # print(emoji)
    # print(title)

    for i in emoji:
        with open('emoji_pockets.md', 'a', encoding='utf-8') as f:
            f.write(i)

    for i, j in zip(emoji, title):
        # print(i+j)
        with open('title_emoji_pockets.md', 'a', encoding='utf-8') as f:
            f.write(i + j)

    text = re.findall('<div class="clearfix notification h5 mx1 mt2"><p>(.*?)</p>', new_response.text, re.S)
    print(text)
    for j in text:
        with open('text.md', 'a', encoding='utf-8') as f:
            f.write(j)
            f.write('\n')
            f.write('\n')