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
, ^; g2 ]2 ~% U: q$ G) q  [+ \
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 d! F8 M6 K( ?& r% K2 x
准备工作
8 a1 r$ g0 [5 @4 T; e& J( ^语言：python
+ r" ?& U/ i5 t1 g, M8 z% V; v
IDE：pycharm
. n1 Y0 s. R6 h# f
+ T; M. A. [3 i/ M* ^% c0 _9 v& q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：
: r" ?) i' Y: m9 I- R  l( T' M
import requests //用于请求网页
8 f8 u# `! Z9 M+ d- ]import 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。
" B) W) g* G4 P& e- B& j
; C8 e7 Y) g5 h7 W# {! m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。
# v  I( S$ `% O  N1 W3 T4 ~

! |- d& x0 m2 J4 |6 Y7 \& j
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。
' p* O5 G' X" V
7 p! Q0 T8 P6 X9 I* ~$ V编写爬虫程序
) e( K6 r: Z, B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'
    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)  //请求网页
4 s) C, `# l0 g5 q8 S. j5 P, p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。
' E9 u9 g6 F% W

# d9 T. D0 g" V: G6 x1 X5 A/ _
) b7 m  r! O1 l; ]9 X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：
! A3 a* i: \% X
( n! E- X4 \0 _; |6 H3 X: F- T

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.*?

$ O  u! E" K. |% [/ c+ D5 yt = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
像这样。
7 u( @5 H% r  r2 O5 i% Z; H  W9 p% \
然后就可以调用re库里的findall方法把相关内容爬下来了：
* U+ a: e: G# r& ?9 y0 X
5 r0 `3 W1 ?0 o0 Rresult = re.findall(t, response.text)
: D3 a. y2 Q( m- G% g. i- I3 V* d' A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。

0 I( J7 u6 E& W' a- R1 M$ R% Z程序代码
import requests
2 n, K4 z6 {. ]% V2 W; |; K: Jimport re
import os

image = '表情包'
7 r! ?; v% e% W. t0 b( ^if not os.path.exists(image):
7 q' u) \4 t0 P$ A& h    os.mkdir(image)
) S6 E! |, k! h3 D7 qheaders = {
6 O. T0 G* H2 A1 t+ j! b' V2 j    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
  n. }8 e" R8 l    }
- @6 n) v( s9 Y0 y8 L2 Uresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
response.encoding = 'utf-8'
print(response.request.headers)
* w1 E; c; m" P/ p5 Oprint(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
result = re.findall(t, response.text)
0 g1 C" _0 Q1 ?! F* X* kfor img in result:
    print(img)
/ o: W) n$ Z; Q2 M8 ?    res = requests.get(img[0])
( y* K) d  s  H, r, Z    print(res.status_code)
1 v7 ?' N  V6 J2 H  @* q- `8 T- q/ \    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)
最后结果就是这个样子：
) N) `6 g5 _8 B2 w
  v4 g2 ]. [. S) [! A0 ]3 s
! C9 l; p: Y6 _" |+ M6 F- 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

- `0 c: y2 }+ Z0 X. B* ]