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
$ r! s8 }) U; [  C* S, M( c
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：
) Y+ |! n1 {0 M9 [
准备工作
语言：python
" ^+ B0 o6 p9 b3 b" U8 }
IDE：pycharm

' m  b2 N1 d- C4 [1 {5 _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：
. O3 D+ T3 x+ k
import requests //用于请求网页
import re  //正则表达式，用于解析筛选网页中的信息
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。
, F- a' W, M2 a4 z2 j
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：
- k- M8 o( S9 t/ Y+ Y2 x
; |( @. ]7 ~/ q: j' p5 m; e& A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。
- q7 u; a: f: I0 u7 V7 [( [3 m
: i  [: H1 Z3 o

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。
  D. A8 \6 B& Y5 q
  i0 d( S8 H& s) e" t$ R7 y编写爬虫程序
首先肯定要通过python访问这个网站，代码如下：
  j1 j, [! e* q
headers = {
; q. d, F3 v- L, k; Y  [    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
* R" P& ]8 _' d: @    }
response = 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。


, t1 v% I* S6 m" Z! n: Q& {: y
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：



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.*?

" w% _) y5 M% w( }4 b2 b; x9 Dt = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
像这样。
5 ^! p. _# F6 O, ^7 s$ _
2 R8 `$ O, a% F! P9 Z* K5 r2 |' G9 G& W然后就可以调用re库里的findall方法把相关内容爬下来了：

. {; L6 N; q0 D  Jresult = re.findall(t, response.text)
0 s. b9 C8 c+ z: o2 e8 y- X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。
/ G% T( p/ o) n. v8 o7 v
程序代码
import requests
import re
import os

image = '表情包'
if not os.path.exists(image):
    os.mkdir(image)
headers = {
9 y/ r3 q* k  g2 n9 ^    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
$ s8 C/ W/ ~! z* O  X    }
: W6 M! |9 X7 P  `# L9 {+ Nresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
  F6 h* s% g+ t; K, i. ]( Q% K7 |response.encoding = 'GBK'
  _6 C5 o( n; S! M; w6 k, lresponse.encoding = 'utf-8'
4 `) g( }2 k) p5 u( P9 Qprint(response.request.headers)
print(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
+ O2 n2 x1 w  W& d3 C  S9 Dresult = re.findall(t, response.text)
/ P+ \: G: W" r2 N8 Yfor img in result:
    print(img)
6 p# ^( U: C8 T7 ~+ P    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
  S2 t: n* B3 |# K  P    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
8 C0 H6 x5 i4 {$ a7 f' ?+ A' E        file.write(res.content)
5 K) X% c/ N/ y* v, }% U最后结果就是这个样子：
3 h/ K/ C. N, O

& `* l  r/ o2 t( C  r/ c2 N& |5 T————————————————
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。
6 H+ \$ [+ ~6 Z3 L8 {: C原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044