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

" a/ w( W1 s' I/ T3 q, u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：

4 m9 E$ q6 ]9 `3 i" P% h准备工作
语言：python
8 ~; [- u. N" {# d. P
. ~) F2 Q4 s9 h) z9 H0 ?$ `! ]IDE：pycharm

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：

import requests //用于请求网页
  ?2 @$ B$ d! Y  Gimport 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。
3 e( e3 G/ `' s0 @: n# ~9 r
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：
7 R3 p( |& G4 N% e
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。
# u4 t. X. C4 W: ?) ?/ n0 w) C2 B: L

' p% _: c/ C* h
% W# o9 T; |; S) K0 ?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。
3 u, H3 N3 e  C/ C, b
( m9 G; P8 ]2 B3 M编写爬虫程序
4 Z2 O$ v# A4 i5 G" S首先肯定要通过python访问这个网站，代码如下：

1 Z" t8 U. U7 l" Vheaders = {
5 R8 D2 }" m" Q. p# U    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
6 C* a1 k, ^% i9 o! A. P3 j    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)  //请求网页
; k  W: H9 U! h; G  w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。
6 v. L6 y1 T' K3 J! x8 C5 E8 U

: w/ r! R2 T# h% N/ K% D
, E7 O7 B3 b# J+ q8 r+ M. h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：

( Z! W+ Q0 U$ f% v

8 }3 l/ z2 x7 y- _0 m 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.*?

8 U) a& L( x1 [t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
) Q! I; T* @  c 像这样。

然后就可以调用re库里的findall方法把相关内容爬下来了：
) R  T4 Q4 l* S3 P
result = re.findall(t, response.text)
: Q3 o6 O* D/ Q; v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。
3 O5 x2 o3 ?9 k( y& h
程序代码
import requests
+ D; \7 `  c$ B- |9 \  Eimport re
import os
/ I4 l% b  l: u6 Q, g
: ^2 |9 K# ]& _) y2 u2 Uimage = '表情包'
/ L& H) @" L* T- P+ _7 e7 Zif 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'
    }
# {( R) S; Q) R; o- cresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
response.encoding = 'utf-8'
print(response.request.headers)
" Q' Y8 ]# E9 Q! I  y$ m$ mprint(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
result = re.findall(t, response.text)
for img in result:
    print(img)
    res = requests.get(img[0])
( n4 @( {5 F3 ^9 G% b& G# s' ]) ]; I    print(res.status_code)
, h  H( s6 @+ f5 q8 _$ B2 E    s = img[0].split('.')[-1]  #截取图片后缀，得到表情包格式，如jpg ，gif
: N  a" k7 W2 X; y& h    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
. V; C( Q/ B0 y9 v7 S        file.write(res.content)
5 e$ z' |: U  H; K0 S最后结果就是这个样子：

6 i1 s4 N) Y% D' H
————————————————
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