python爬虫入门教程：爬取网页图片

杨利霞

python爬虫入门教程：爬取网页图片

在现在这个信息爆炸的时代，要想高效的获取数据，爬虫是非常好用的。而用python做爬虫也十分简单方便，下面通过一个简单的小爬虫程序来看一看写爬虫的基本过程：

准备工作
, K( j8 l# t% J( ~7 n& R语言：python
9 f  ~& s. _* `/ C% t. G4 P( e
6 m$ O8 S) x" H: YIDE：pycharm
! ^. k( E! m# E0 U5 z7 S2 u
# d  T4 ~& h7 z* v首先是要用到的库，因为是刚入门最简单的程序，我们主要就用到下面这两：
; ?7 J8 v6 A3 [) g
) n/ l5 O$ A, ?" Aimport requests //用于请求网页
* Q: T5 z* U( n# d0 h' rimport re  //正则表达式，用于解析筛选网页中的信息
6 g" J% ?2 U9 g+ o! \- A' Z7 ?2 V其中re是python自带的，requests库需要我们自己安装，在命令行中输入pip install requests即可。

然后随便找一个网站，注意不要尝试爬取隐私敏感信息，这里找了个表情包网站：
+ x. G1 B  o- [
% Z: m8 U! g2 H: f8 P1 L: X注：此处表情包网站中的内容本来就可以免费下载，所以爬虫只是简化了我们一个个点的流程，注意不能去爬取付费资源。
5 @3 F1 }1 M( D5 V/ \


我们要做的就是通过爬虫把这些表情包下载到我们电脑里。

编写爬虫程序
首先肯定要通过python访问这个网站，代码如下：
% v. N! X% ?3 k; }
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
, G% V2 @" W5 N4 B/ {! a& ?  }    }
" Z* E- _  x4 M  Oresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)  //请求网页
其中之所以要加headers这一段是因为有些网页会识别到你是通过python请求的然后把你拒绝，所以我们要换个正常的请求头。可以随便找一个或者f12从网络信息里复制一个。

, j% f! N2 x- c

然后我们要找到我们要爬取的图片在网页代码里的位置，f12查看源代码，找到表情包如下：
4 S, |' d- J+ G  {


) q" O' @2 M# @3 A 然后建立匹配规则，用正则表达式把中间那串替换掉，最简单的就是.*?
0 {# h" B8 c  j+ @: x+ U. M: S
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
像这样。

/ |: [* W( n3 ?& L1 E然后就可以调用re库里的findall方法把相关内容爬下来了：
) {* q3 Y2 g1 W0 L5 a" `( G
  m: W- P. V; L/ d9 a+ b8 jresult = re.findall(t, response.text)
) o; X/ P; N2 g: R返回的内容是由字符串组成的列表，最后我们经由爬到的地址通过python语句把图片下下来保存到文件夹里就行了。

* ~. z4 ~  t  r, i& y7 W" d2 C3 [3 j程序代码
) K1 ~/ x4 |  V! O8 k. T. i  wimport requests
2 x7 h% ^+ ?2 r+ d* O6 qimport re
import os
" ~7 K) y! ^3 e3 z+ @0 u) A; B
% [+ @) n2 F5 K& M" W* Himage = '表情包'
. U# ~* L  c2 d( l" K) L# N  D/ B% Iif not os.path.exists(image):
    os.mkdir(image)
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
6 u4 [% x- H% C, O) U2 {2 D. `response.encoding = 'GBK'
response.encoding = 'utf-8'
+ H, s; H/ n9 j% {print(response.request.headers)
  I8 L, L5 `) o4 a! ?* ]3 G. g# Nprint(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
5 P$ I$ U: z/ Z: lresult = re.findall(t, response.text)
# C( L/ k1 A5 efor img in result:
    print(img)
0 p- i$ s( \9 y) R% d# X0 y7 W    res = requests.get(img[0])
    print(res.status_code)
    s = img[0].split('.')[-1]  #截取图片后缀，得到表情包格式，如jpg ，gif
0 n0 _- D- n" [2 X" r: {9 x' H    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
        file.write(res.content)
: G& m8 G2 R$ D( ^$ W最后结果就是这个样子：

  n4 g; g0 M! k+ @" ?; d
3 K. q$ [  J9 V# q————————————————
3 ]+ E' D" u& ]: a- |版权声明：本文为CSDN博主「plexming」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044


) p6 [6 v6 g' K1 T+ I