写在前面的话

夜凉如水，苍穹下，秋叶舞。

天桥下川流不息的斑斓车灯，人来人往的十字街角，喧嚣与繁华的城。

我需要看看小姐姐的图片，好好感受下这世界的温柔以待。

私信小编007或者01即可获取数十套PDF或者零基础入门资料一套哦！

一.思路分析

按照爬虫的基本规律：

1.找到目标

2.抓取目标

3.处理目标内容，获取有用的信息

行动

1.我们的目标是：

http://gifcc.com/forum.php

这个网站呢，是一个论坛式网站，里面分了几大类，反正试试各种动图。

我们的目标呢，就是找到这（收）些（藏）动（到）图（自）的（己）地（电）址（脑）.

2.看看各个模块的网址，有什么规律

对，没错，如果以游客的身份进行访问，那么各个模块的网址就是这样的形式：

http://gifcc.com/forum-XX-1.html

开工动手

1.获取入口页面内容

即根据传入的URL,获取整个页面的源码

这里我们使用了webdriver以及PhantomJS这些模块，为什么呢？因为网页是动态加载的，这样可以抓取的数据全一点。

2.获取页码数

这里的页码处理用到了一个模板pq，采用PyQuery的方式查找我们需要的元素，感觉更好处理一点，挺方便的

同时这里的处理稍微有点意思，如果观察这个页面的话，会发现，每个模板的页码，在上面和下面都有一个，然后

我这里截取的一下，因为我们只需要一个页码数字即可

3-6 第三步到第六步一起来说

其实就是根据页码数，来进行遍历，获取到每一页的内容

然后得到每一页中的所有图片地址

在进行获取每一页的内容的时候，需要重新组装页面地址。

有了新的地址，就可以获取当前页面的内容，并进行数据处理，得到每一张图片的地址列表

在获取到图片列表后，再次解析，获取每一张图片的URL

将图片存到本地，以及将数据写入数据库

到这里其实大体的内容已经完成了，我们能够将这个论坛的各个模块的动图保存在本地，同时，也将数据放入数据库中.

数据库的筛选

在完成了将数据放入到数据库的之后， 我想着可以直接通过调用数据库，将图片保存

（为什么有这个想法呢，因为我发现如果直接在主程序中存贮图片，它跑的太慢了，不如将数据都放到数据库中，之后专门调用数据库来贮存图片）

但是这里发现一个问题，数据中的内容挺多的，然后发现了好多内容是重复的，因此我们需要对数据库进行去重

关于数据去重的内容，其实我之前的文章已经写过了（写那篇文章的时候，这个爬虫已经完成了呢～）

主要思路是针对某一个元素的数量进行操作，pymongo里面有一个方法是可以统计指定元素的数量的，如果当前元素只有一个，就不管，不是一个元素，就删除

核心代码如下：

读取数据库中的内容，存储图片

数据去重之后，再次进行图片的存储，就方便多了

之后图片删除了也不用重新跑一遍，核心代码如下:

完整代码

01_get_gif_url.py

02_delete_repeat_url_in_mongodb.py

谢谢阅读！！！