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
$ _+ ]6 Z/ t% d9 V5 l, Q2 ]
6 m( \4 e$ W. z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：
  Z. J# g! C2 n, [6 @
  a7 Q1 b- I4 U+ x准备工作
语言：python
/ Z4 x. i& h" ?7 Q+ ^
- q& x$ ?8 W" c6 d1 d8 D, \IDE：pycharm
" R. H9 W3 m/ E. W
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：
) L0 E8 D( e, H- f; r" |$ {6 q) P
  }$ F3 j9 n7 n- ]: U) Qimport requests //用于请求网页
0 C4 t: c9 O' M3 z  Qimport re  //正则表达式，用于解析筛选网页中的信息
$ t7 `: d* c8 l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：
& y8 O. P- }7 ?& I7 `
  ~, }4 A6 e; x4 P2 ]! b9 f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。
: S4 L9 N( ^1 [+ `( g/ y
. {8 j) B2 @% w7 G
7 H: g0 }+ C9 d; a: n# A& }
" a/ X& h9 ^) q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。
1 U9 |" U% q. T. S5 ?) d
, G( [3 g6 Q* I( g, Y' b6 }% z编写爬虫程序
3 t, ~! k( I! |( [/ L首先肯定要通过python访问这个网站，代码如下：

* Y( r8 [- s$ A7 x  p9 Pheaders = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
$ Q) @$ j% E! Y2 d; `) g. P    }
0 y/ ~3 ~, @, |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。
3 f, K  s- |5 `5 d. A
- f0 ~; r" U# ^# \0 t0 F
/ G$ L! o/ R7 E* m$ |( g# C& R
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：
8 j9 B7 @, o6 I- Z8 A
7 }# e' B8 w% W" A
6 x* A! p& d8 U* h. m
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.*?
; x# I8 Y6 H. p9 j6 c5 j! P  A
$ q0 S# d4 H4 a5 i* Ut = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
像这样。

然后就可以调用re库里的findall方法把相关内容爬下来了：
5 A# e1 Q+ b; a' M3 i
' P5 k0 L: c% Nresult = re.findall(t, response.text)
6 Q: D& \/ }, p5 m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。

- p* D) J& h9 N2 B; H6 V5 T程序代码
7 k. D0 X3 o1 ]. [; r7 rimport requests
import re
6 P0 P# d* [# |2 C* g* Oimport os
7 s$ A2 \* X0 e, k3 ?
! K4 l- V% Y% l7 ~image = '表情包'
if not os.path.exists(image):
    os.mkdir(image)
' k$ I% W3 j0 Oheaders = {
4 i& j* r" T3 c    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
: |2 p3 m4 N7 b% v! p    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
$ `8 {& s0 U9 e$ l) }* a7 y- |response.encoding = 'GBK'
! s! H5 U1 q1 C; y  C! \. zresponse.encoding = 'utf-8'
  i' F. P) M* [9 w& aprint(response.request.headers)
print(response.status_code)
! R$ N, H( d# t* N+ w0 I8 Wt = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
result = re.findall(t, response.text)
for img in result:
& r5 }& [3 l1 u# y" i) \: a    print(img)
9 m2 x7 J& x; H! }) D! Z/ ^    res = requests.get(img[0])
% Z" \) K" q2 t! [+ k    print(res.status_code)
    s = img[0].split('.')[-1]  #截取图片后缀，得到表情包格式，如jpg ，gif
; n  F5 ]# r' l0 [9 d- S    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
6 u0 F/ d. X- b        file.write(res.content)
+ [+ y# \; ]" `最后结果就是这个样子：

' @; a) k; A. r2 O3 d( ]
$ R2 T+ I2 t4 l- n————————————————
% l1 {7 T5 P2 a/ ^, B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