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

" \) L$ S& {1 I  W! E% m! }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：
& q& t* ^  c# Q  N& c
准备工作
语言：python
+ I5 k) G6 j8 e0 \
4 h5 l0 R2 h5 Y" rIDE：pycharm

1 Z$ }2 i' [! k' V4 a1 q) s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
$ U  Y+ r4 a, @, t+ q; G2 G: Wimport 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。

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：
) q  A: j5 ?& t$ h; G. l4 g
* {' @0 H2 x, P! K$ ^# ^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。


7 J6 v1 D, x$ z" {! F
4 j0 B- F  Y, L. t' G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。

编写爬虫程序
' J5 D6 L# l# Y$ z1 \$ X( s$ A; d首先肯定要通过python访问这个网站，代码如下：

headers = {
9 [, c8 r5 a0 q! Z    '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
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。
$ `. t4 }' W0 v) }; H" w
9 k' |# M# E4 r# w8 L' D

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：

, X  Z$ l- v( a  u9 M9 Z

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.*?
1 z/ u  X8 r1 U$ M( k
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
4 \! C1 u5 t2 B 像这样。

4 E6 B/ X: Z2 T5 A8 k$ q然后就可以调用re库里的findall方法把相关内容爬下来了：

, h% i) l, r2 {! Dresult = 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。
6 K9 ?7 n/ X* Z
1 H# H- |* a8 {7 H7 t程序代码
. Z' k1 Q" R& X' kimport requests
* e. L7 Y) C& x4 y8 B3 mimport re
import os
0 P7 O9 B3 L$ O( ], O- n
image = '表情包'
; R. x9 `4 w+ D# Q6 E' Bif not os.path.exists(image):
( N& i+ D9 t2 p, Q    os.mkdir(image)
0 @7 n9 u5 F+ Xheaders = {
    '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'
1 R7 i5 o& n4 L. d' Zresponse.encoding = 'utf-8'
print(response.request.headers)
print(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
result = re.findall(t, response.text)
4 \+ {# ^! H9 pfor img in result:
    print(img)
    res = requests.get(img[0])
8 u1 a. w5 {4 b  K    print(res.status_code)
3 o' W0 D& M4 Z. F; m: ?) [    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:
" ^/ i1 h7 {8 f5 d' L9 U/ e- h+ m        file.write(res.content)
最后结果就是这个样子：
8 I' N7 n9 r8 Y4 ]" A6 ?7 L
+ B0 d; Y- G/ t: D# X
————————————————
. U7 w- O- Q& a0 M4 X* C+ P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

6 j, M; }1 F' }, I/ b8 z$ p2 B
5 R8 q5 i/ Z8 Q7 }