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
+ P6 G0 D7 P: n
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
语言：python

. K6 `! l+ c, y# X$ A. iIDE：pycharm
8 Z  Z' H' |# l* r
! P/ H' e9 m; m0 P7 g% r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
import re  //正则表达式，用于解析筛选网页中的信息
  ~' ~$ f/ z) M0 w2 [, M4 g+ n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。
+ U4 ]2 k. x- o8 M. R
9 [( }' p8 b  ^! K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：

1 |( l8 E% d2 N4 b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。

+ v0 ~, J# e0 |. @% \7 y9 N

& V2 Q" i3 A5 v. X0 w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。
/ w0 O$ x/ w3 g3 H) r, C
" W) K6 p% z2 O& T! s+ x$ F0 C编写爬虫程序
) z8 u2 k9 ~6 C, x! w首先肯定要通过python访问这个网站，代码如下：

headers = {
- E; A/ e$ r$ v& H% r: P    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
8 d3 D3 a% F! ]- w- Sresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)  //请求网页
" F$ O3 p, z. f  ]) R' x' `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。



5 Q. u* O( D! T8 o9 W8 ~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：
, [5 z% @. m2 O: q% m
- \: s0 v- H0 u. n" o3 j

- Y, j+ w2 a% M8 R; h 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">'
像这样。
7 B, R  Z+ ~4 _% u* |* n0 l
# y+ R- G7 i! w然后就可以调用re库里的findall方法把相关内容爬下来了：

result = re.findall(t, response.text)
3 ?: _" o% p5 F& h$ x/ q' o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。

/ J! n& L/ A4 N! z. l( u0 u程序代码
import requests
import re
import os

2 H( D2 {7 C0 S6 U' O" vimage = '表情包'
if not os.path.exists(image):
    os.mkdir(image)
0 F- o' ~  |( V0 V  a( yheaders = {
3 O) ~# X7 d% `6 f, L8 g6 r    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
  ]% Q. Q* k$ W/ J$ b    }
2 ?4 [9 A: L& {4 b! l$ cresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
# K* y4 i6 r4 |7 E  aresponse.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)
* b& d3 ]% N- a5 efor img in result:
    print(img)
    res = requests.get(img[0])
    print(res.status_code)
/ K! n# T/ I3 i) ~    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:
        file.write(res.content)
) N; C+ ]. O  h最后结果就是这个样子：
0 Y& e# a+ T5 l! y

2 \8 c) F+ e0 }————————————————
9 y' H+ {; p2 O  g  U( o) `5 I3 u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。
; \5 ?8 h( T) H  r" u  m' a) l原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044
% c& [; v9 [! r: L# q! e
2 s+ O  P. u7 T! V