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

% W! S9 q" U# P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
5 u% ?! f, Z; r& T语言：python
' A" |- k1 I$ X/ p2 l. I
( M( t2 ?8 ~) b8 c9 k! oIDE：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：

/ t+ ?0 Y. n5 wimport requests //用于请求网页
) `& }& `$ C9 w  W: x% o4 himport re  //正则表达式，用于解析筛选网页中的信息
/ u' t3 W9 S* ]# C# E; B9 I0 M; c+ _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。
: P5 t0 P" T9 i8 Z( C0 t
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：
$ o% h% o0 O7 t$ p$ q/ I$ Z
9 [$ X. V4 a7 {6 |: Z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。
6 U$ f9 C9 Z, B4 c$ U% f3 ]


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。
2 q  F+ J9 x( t" S( `) B
编写爬虫程序
首先肯定要通过python访问这个网站，代码如下：

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
# J# }' S) c. i2 G+ O. q    }
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。

1 A+ ^5 t3 U0 F, o

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：
; I4 f" n  w8 Q. @9 M0 Q& k


, L# s" ~# G4 _: w$ b7 Z; N 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.*?

3 \2 Z1 I9 u  }t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
# P% `. B1 r' U/ |- G0 F8 n/ o$ V 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：

, V5 K; H$ [5 d$ R& Z! g% x. V, |/ F6 `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
, m4 r+ }& `: \. Y; i8 u+ H' dimport re
, C! O. K8 g1 w1 |import os

image = '表情包'
if not os.path.exists(image):
+ ?6 I5 C/ G* R2 a5 q$ T) w    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)
response.encoding = 'GBK'
response.encoding = 'utf-8'
! w/ @% |3 ~) E8 j! E. e5 f7 W- ]print(response.request.headers)
: W% }6 W* ]5 r2 z7 r. v; jprint(response.status_code)
, m0 W7 G% H4 x4 F' N: at = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
result = re.findall(t, response.text)
2 p7 o! V5 w6 V8 T+ G) dfor img in result:
    print(img)
9 z# E' S% ]: z    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:
  h2 `  I. |3 o: H0 _  ~' ?" V1 q3 `        file.write(res.content)
' a0 {5 [+ w6 M最后结果就是这个样子：
) l9 A  R% H! K) f

————————————————
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