图片懒加载 -- 爬虫

图片懒加载

什么是图片懒加载?

　　图片懒加载是一种网页优化技术。图片做为一种网络资源，在被请求时也与普通静态资源同样，将占用网络资源，而一次性将整个页面的全部图片加载完，将大大增长页面的首屏加载时间。为了解决这种问题，经过先后端配合，使图片仅在浏览器当前视窗内出现时才加载该图片，达到减小首屏图片请求数的技术就被称为“图片懒加载”。

网站通常如何实现图片懒加载技术呢?

　　在网页源码中，在img标签中首先会使用一个“伪属性”（一般使用src2，original......）去存放真正的图片连接而并不是是直接存放在src属性中。当图片出现到页面的可视化区域中，会动态将伪属性替换成src属性，完成图片的加载。

案例分析:

　　抓取站长素材http://sc.chinaz.com/中的图片数据,经过细致观察页面的结构后发现，网页中图片的连接是存储在了src2这个伪属性中

代码以下

 

import requests
from lxml import etree

url = 'http://sc.chinaz.com/tupian/gudianmeinvtupian.html'
headers = {
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36',
}
# 获取页面文本数据
response = requests.get(url=url, headers=headers)
response.encoding = 'utf-8'
page_text = response.text
# 解析页面数据（获取页面中的图片连接）
# 建立etree对象
tree = etree.HTML(page_text)
div_list = tree.xpath('//div[@id="container"]/div')
# 解析获取图片地址和图片的名称
for div in div_list:
    image_url = div.xpath('.//img/@src2')  # src2伪属性
    image_name = div.xpath('.//img/@alt')
    print(image_url)  # 打印图片连接
    print(image_name)  # 打印图片名称