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：
9 V& e$ A3 r8 n# X0 a
准备工作
语言：python

# m$ j) s! D# j! Y: k# {IDE：pycharm
+ \9 L8 O$ }6 v6 A  c
+ [4 q8 O0 d9 t6 ^% v2 _' q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：
5 x$ y# M9 Q( K" D6 U" w
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。

( m( X  A1 w% ~9 [: R! l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：

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。


: Z" ^5 P( Q5 X: h6 x" @
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。
+ m! Q, I7 }  `) l
编写爬虫程序
首先肯定要通过python访问这个网站，代码如下：
6 M2 ~5 ^* p8 [) ], K
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)  //请求网页
' E  G5 D+ v, e0 O& O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。
- O. K1 l0 a! g, |$ ^' D3 E
5 r$ p  l' S$ j; B

% e, y) x5 N$ M; h9 }* }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：
$ G& I$ D6 l7 m+ T

) L$ n) G$ c. p$ k1 u& A
, c/ Y; U1 S/ k  @5 i3 P 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.*?

t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
. y1 w  ]/ A$ ~6 q! X 像这样。

- @2 F* C6 \' c3 G% T然后就可以调用re库里的findall方法把相关内容爬下来了：
9 {0 s0 @7 E, R8 J# E. N
result = re.findall(t, response.text)
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。

程序代码
import requests
import re
import os
) B# |4 V" X9 q+ A
image = '表情包'
if not os.path.exists(image):
    os.mkdir(image)
headers = {
6 D: V. D( A( Y  i7 b    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
' \, h% N, {1 H( }( [- i2 Gresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
( Q2 o2 o2 p* }response.encoding = 'GBK'
response.encoding = 'utf-8'
print(response.request.headers)
% m& d$ z' q! ~* o& Y( Bprint(response.status_code)
) V: [9 p& I& |  U+ h+ q3 Ut = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
7 U$ @4 y6 F  F! w4 \result = re.findall(t, response.text)
for img in result:
    print(img)
    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
    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
4 k5 l0 G1 H, ?2 L        file.write(res.content)
9 [2 Y" t' Z" b' `9 i最后结果就是这个样子：


: R: Z, z; s9 ~# F————————————————
) D1 t% n2 M& o6 _4 w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。
- [% m+ g! V" Q原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044
6 I  j3 r3 R3 z" k5 `0 p; R4 {
; [: y* V4 a+ L% i" x4 X! t
, y* Q, n/ I9 V- o  i