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

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：

7 `9 p. k( v; N准备工作
语言：python

; K: E* p1 f3 U# [: W4 b% aIDE：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
import re  //正则表达式，用于解析筛选网页中的信息
9 ^7 ^  ]7 P! B* E, n1 D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。
& b$ Y1 g1 M+ w
4 [8 V6 K* X4 X0 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 |2 g/ L2 Y- e2 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。



1 _5 N: L) a- x4 ]$ a3 x% `9 ~6 }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
) E. W) S/ G" R7 X0 P$ i' G首先肯定要通过python访问这个网站，代码如下：
# W9 m' |; w# G; c& g3 S/ Q
& P3 I1 r& ~- p7 ^" w4 j9 }headers = {
1 K3 @  b3 K4 A  ^+ t9 n: E! g    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
' l& a- E4 }3 n) A; Xresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)  //请求网页
4 q1 t1 p  {' I$ D  ~8 [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。



. r1 H8 z8 _) z+ V4 a- z: e: Q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：
! `# r; j' w, V
' v+ F8 r+ A4 W( n* i

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.*?

4 [+ y, L; L* V5 J, i+ Zt = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
4 O2 L7 J# h- ^, t 像这样。
- G: g" ]& Y7 V$ X, f9 ]0 p7 e
然后就可以调用re库里的findall方法把相关内容爬下来了：
) W8 f2 Q0 Y# o" L9 d- r" b
- ?! m% ?" v9 S% B6 xresult = 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。
' W3 M4 _: k$ W* m
程序代码
import requests
8 U7 ?+ F! }# F+ h* V7 m( z) O) cimport re
) h6 t: C# T3 }2 `+ Y6 o0 n- kimport os
" J1 m, Q2 O3 s. E6 S
5 K  \1 W  ^' N; ^" J! |( Aimage = '表情包'
& ?' t# l/ \8 ?9 m. ^7 o8 zif not os.path.exists(image):
; R% T& P; N4 ^2 A    os.mkdir(image)
# Z! W; I5 o6 V) N1 S/ F' Wheaders = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
4 O: {$ L3 X) A    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
) `. ]6 W, V5 @8 J) ~7 ^7 Qresponse.encoding = 'GBK'
response.encoding = 'utf-8'
# k) i/ [6 y2 c4 P6 t8 f$ Fprint(response.request.headers)
1 M7 o& q7 W* J* W2 ]" ^3 M& q5 ?print(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
5 k. Y; W  j2 J+ H/ p, }result = re.findall(t, response.text)
; H1 C3 K7 u& O. P) N! F1 Jfor img in result:
    print(img)
  ]8 b: \- @3 ?, r/ M. D    res = requests.get(img[0])
    print(res.status_code)
: ~- a3 h9 ]# w4 o' @6 v    s = img[0].split('.')[-1]  #截取图片后缀，得到表情包格式，如jpg ，gif
- \8 t  s: A; F$ C: O( ?  Z    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
        file.write(res.content)
最后结果就是这个样子：


" K$ O5 |+ w. ?, D! C; L8 N9 l& k————————————————
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。
$ A  c# ?" {: ]8 M8 F8 i! B原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044

$ z: B3 Y3 q9 M- }5 {
" T% e7 ~8 S4 E8 f/ W