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

  U* f( E8 d/ E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：
* p: j8 ]5 v2 J7 _. F+ B
准备工作
/ R& Y0 I. U% q' L4 L. ]语言：python
% x9 N! X( g" z0 q8 s
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：
; U. ]# |+ d' N
) `) T& E" X  jimport requests //用于请求网页
' |. W, [4 s0 |import re  //正则表达式，用于解析筛选网页中的信息
* X& A  u; U" z3 Q7 _, ~6 k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：

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。


2 O9 c1 C" [/ h- f
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。

* b% c8 o5 I4 S* C- a编写爬虫程序
9 Q3 @: D, _# ?6 V0 n$ S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'
    }
! n' j$ r2 i' L8 a3 z- Fresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)  //请求网页
- C  i( W4 x7 P# M. F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。

- ~' S4 d9 T' [3 N3 y7 ?, Y+ d# w8 ?+ j
5 S( B& `; c* l! _1 U  m
, B/ D, a1 u' y7 h; @& j8 z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：
" [9 \9 ?, [1 x1 F1 v$ I: H
; E8 L; R4 Y  A
' \# ~! U& }2 X8 }
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.*?

$ ]! a' B/ ]" X3 Lt = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
+ U# l. y( X0 K% E; O 像这样。
: ~! k3 V+ `) J0 q) y
然后就可以调用re库里的findall方法把相关内容爬下来了：
3 e8 x; i7 K2 [- _# F$ z2 q' _
result = re.findall(t, response.text)
% H7 n3 K# Q) p9 q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。
$ c7 \8 w; y' e
程序代码
7 ]7 j7 N( G/ A% n- s9 ?$ J& E3 w5 ximport requests
import re
0 [2 }, X) l' K+ o2 @import os
1 ~0 b9 w0 s, S5 f+ H# `3 \& e
image = '表情包'
% w( d0 h' h0 V/ M) Mif not os.path.exists(image):
% {) W; \8 {0 S3 ~; G9 u5 s0 B% L    os.mkdir(image)
headers = {
! E& ~; d3 Z8 D4 I) _% q- u    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
& M" \2 j& O; i7 c" ^    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
/ H6 H7 m5 k5 x, U! }$ V; m0 f- }response.encoding = 'utf-8'
: \) V- U8 s. n3 W+ Hprint(response.request.headers)
( S3 c" P5 \! U) l2 Z" P) e: Zprint(response.status_code)
+ P& O* w* P2 J; [' J- `t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
. j3 J% e6 |4 p4 e; {2 [. Gresult = re.findall(t, response.text)
for img in result:
3 ^: P) [  z7 n, e$ e3 w0 `    print(img)
    res = requests.get(img[0])
3 o5 k" l; k; P$ B' Y; a+ ?    print(res.status_code)
% K  m' _( O6 _    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:
% O2 \" D- X3 b: Q2 q        file.write(res.content)
最后结果就是这个样子：


- \4 z2 z. M. D3 E$ 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。
/ q- R8 ?" q7 s! V' z原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044

! H, f5 x/ Y9 @5 p$ E$ ]