Python获取某平台直播间封面, 实现颜值检测, 进行排名

前言

嗨喽，大家好，这里是魔王~

[课程内容]:

Python获取某平台直播间封面, 实现颜值检测, 进行排名

[开发环境]:

• Python 3.8
• Pycharm 2021.2
• 会使用API接口 百度云接口

[模块使用]:

• requests 安装命令： pip install requests
• tqdm 安装命令： pip install tqdm
• os
• base64

相对应的安装包/安装教程/激活码/使用教程/学习资料/工具插件 可以找我领取 模块安装问题:

- 如果安装python第三方模块:
    1. win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
    2. 在pycharm中点击Terminal(终端) 输入安装命令
- 安装失败原因:
    - 失败一: pip 不是内部命令
        解决方法: 设置环境变量

    - 失败二: 出现大量报红 (read time out)
        解决方法: 因为是网络链接超时,  需要切换镜像源
            清华：https://pypi.tuna.tsinghua.edu.cn/simple
            阿里云：http://mirrors.aliyun.com/pypi/simple/
            中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
            华中理工大学：http://pypi.hustunique.com/
            山东理工大学：http://pypi.sdutlinux.org/
            豆瓣：http://pypi.douban.com/simple/
            例如：pip3 install -i https://pypi.doubanio.com/simple/ 模块名

    - 失败三: cmd里面显示已经安装过了, 或者安装成功了, 但是在pycharm里面还是无法导入
        解决方法: 可能安装了多个python版本 (anaconda 或者 python 安装一个即可) 卸载一个就好
                或者你pycharm里面python解释器没有设置好

如何配置pycharm里面的python解释器?

1. 选择file(文件) >>> setting(设置) >>> Project(项目) >>> python interpreter(python解释器)
2. 点击齿轮, 选择add
3. 添加python安装路径

pycharm如何安装插件?

1. 选择file(文件) >>> setting(设置) >>> Plugins(插件)
2. 点击 Marketplace  输入想要安装的插件名字 比如:翻译插件 输入 translation / 汉化插件 输入 Chinese
3. 选择相应的插件点击 install(安装) 即可
4. 安装成功之后 是会弹出 重启pycharm的选项 点击确定, 重启即可生效

本案例分为两个阶段 第一个阶段 去采集主播照片数据 爬虫基本流程: 一. 数据来源分析

主播照片, 照片url地址 可以从哪里获取 >>> 通过网页上面开发者工具进行抓包分析

二. 代码实现步骤 发送请求 >>> 获取数据 >>> 解析数据 >>> 保存数据

1. 发送请求, 对于 https://www.huya.com/g/2168 发送请求 列表页面
2. 获取数据, 获取服务器返回的响应数据 response
3. 解析数据, 提取我们想要数据内容 主播名字 主播封面图url地址
    json数据 可以直接处理
    re正则表达式提取
    根据标签节点/属性提取内容:
        xpath
        css选择器
4. 保存数据, 图片内容保存到本地文件夹

第二阶段 颜值检测

对于我们保存下来照片, 进行颜值检测评分

导入模块

# 导入数据请求
import requests  # pip install requests (导入模块没有使用是灰色)
# 导入格式化输出模块
import pprint
# 导入os文件操作模块
import os
import base64
from tqdm import tqdm

第一步,采集照片

# 发送请求
# 确定请求的url地址
for page in range(1, 11):
    url = f'https://www.huya.com/cache.php?m=LiveList&do=getLiveListByPage&gameId=2168&tagAll=0&page={page}'
    # headers 请求头 伪装Python的代码 不被识别出来是爬虫程序...
    # headers 是一个字典数据类型
    headers = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36'
    }
    # 通过requests模块去对url地址发送请求
    response = requests.get(url=url, headers=headers)

    # 2. 获取数据, 获取服务器返回的数据内容
    #  返回response对象, 200状态码 表示请求成功
    # 我能不能直接获取json数据呢? *** 请求参数里面含有callback 想要直接获取json数据 要删掉
    # print(response.json())
    # pprint.pprint(response.json())

    # 3. 解析数据, 提取我们想要数据内容 主播名字 主播封面图url地址
    # json数据提取内容 根据冒号左边的内容 提取冒号右边内容
    data_list = response.json()['data']['datas']
    for index in data_list:
        # pprint.pprint(index)
        name = index['nick']
        img_url = index['screenshot']

        # 4. 保存数据 保存图片数据内容, 也需要发送请求 获取数据
        # response.text 获取响应体文本数据
        # response.json() 获取响应体的json字典数据
        # response.content 获取响应体的二进制数据
        img_content = requests.get(url=img_url, headers=headers).content
        # 'img\\' 文件路径 name 文件名字 '.jpg' 文件后缀 >>> 文件名
        # mode 保存方式 wb 二进制模式写入
        # as 重命名 为 f
        filename = 'img_1\\'
        if not os.path.exists(filename):
            os.mkdir(filename)

        with open(filename + name + '.jpg', mode='wb') as f:
            f.write(img_content) # 写入数据
            print('正在保存: ', name)

第二步 颜值检测

def get_beauty(img_base64):
    host = 'https://aip.baidubce.com/oauth/2.0/token'
    data = {
        'grant_type': 'client_credentials',
        'client_id': 'vXONiwhiVGlBaI2nRRIYLgz5',
        'client_secret': 'ouZMTMuCGLi7pbeg734ftNxn9h3qN7R4'
    }
    response = requests.get(url=host, params=data)
    token = response.json()['access_token']
    # print(token)
    '''
    人脸检测与属性分析
    '''
    request_url = f"https://aip.baidubce.com/rest/2.0/face/v3/detect?access_token={token}"
    params = {
        "image": img_base64,  # 需要传递 图片 base64
        "image_type": "BASE64",
        "face_field": "beauty"
    }
    headers = {'content-type': 'application/json'}
    response = requests.post(request_url, data=params, headers=headers)
    try:
        beauty = response.json()['result']['face_list'][0]['beauty']
        return beauty
    except:
        return '识别失败'


# f = open('img\\DX丶软软.jpg', mode='rb')  # 读取一张图片内容
# 转成base64内容
# img_base64 = base64.b64encode(f.read())

# 1. 获取所有图片
lis = []
files = os.listdir('img_1\\')
print('正在识别人脸, 颜值检测中, 请稍后.....')
for file in tqdm(files):
    img_file = 'img_1\\' + file
    img_name = file.split('.')[0]
    # print(img_file)
    f = open(img_file, mode='rb')  # 读取一张图片内容
    img_base64 = base64.b64encode(f.read())
    beauty = get_beauty(img_base64)
    if beauty != '识别失败':
        dit = {
            '主播': img_name,
            '颜值': beauty,
        }
        lis.append(dit) # 把字典添加到空列表里面
    # print(f'{img_name}颜值评分是{beauty}')

lis.sort(key=lambda x:x['颜值'], reverse=True)
num = 1
# 前10张照片的颜值排名
for index in lis:
    print(f'颜值排名第{num}的是{index["主播"]}, 颜值评分是{index["颜值"]}')
    num += 1