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：

准备工作
7 T5 I! @& Y0 N5 n- C4 \" X! Y语言：python

IDE：pycharm
: ^6 ?$ L" u; H4 k/ D' n
' r8 P) y- n' P# s% a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：

$ `  j: @. Z7 |- f% nimport 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
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：

- G2 H0 ~. h1 Y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。
# n9 x' o2 w+ J4 U' {/ f1 z

- }; Y" Q* D% w2 A' V* [2 e5 Z7 G
5 B  F: j+ ]- k( Y9 u& P$ x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。
4 }" g1 u2 E' _  D. R# h2 _
( M/ k. \* N/ _. Z4 _1 S编写爬虫程序
2 g# L3 G1 D2 k6 g7 ]首先肯定要通过python访问这个网站，代码如下：

9 x8 |" G# x( k7 E- M! f) Mheaders = {
4 ?' t" _" A7 t/ s9 }1 z    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
- P& `+ q3 |+ Y) {# d% E, x. b) T" H, X5 g    }
2 v: @8 q/ Y" r" r' jresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)  //请求网页
. ?% ~9 E$ @# ]  s& d/ S* |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。
8 a* Z6 ]( G6 J+ t2 f
9 q+ |8 w5 {5 v' v% y+ A
. ^& z' H( K4 L. Y6 C
0 r8 y* ~, o: q  `" Q* e5 e$ G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：
# o# A7 w9 g# @- C: Y$ o% g
* p( ]5 ?6 {& w
9 H) x, y3 q, W8 a* p4 |9 l4 p! q
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* G) N% ^; U, I; G, |
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
像这样。
# N9 `3 K: y2 `, D
. F- V5 ^$ U  A3 \& h" i2 X  J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)
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。
2 W4 g* L8 N- _; k1 C, n6 {9 n
程序代码
import requests
$ Z' J3 B) v6 }2 Nimport re
import os
/ h1 }8 r4 ?7 r8 J+ D
  @* J9 H, w. {9 ^3 Uimage = '表情包'
  L( q2 P  I2 ]# r8 dif not os.path.exists(image):
& ^; U% K+ S( w6 n1 [. B    os.mkdir(image)
headers = {
/ ^0 Q5 o7 O( d( @5 F" D    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
0 Y/ {& o+ }1 z5 _+ m, Aresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
response.encoding = 'utf-8'
print(response.request.headers)
; I! U. J9 o$ X5 K" C- eprint(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
result = re.findall(t, response.text)
for img in result:
$ P8 N' }% P$ K: r0 L! V: Y3 s    print(img)
    res = requests.get(img[0])
    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
    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
# ?# F; R6 m1 x, [: z        file.write(res.content)
8 P- Z4 |( V0 Q' ?6 X# X& \最后结果就是这个样子：
/ l7 ~1 e. ^% J& D. ]7 E1 B& f' D& p
6 C) ]4 F) \  B( @* W( k+ A
3 |  ~- f0 r- V- K. P. S: B9 X! J————————————————
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。
. w7 ^- W4 S; q& H原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044
6 b) w/ H# i: Z) S

: N9 x% Z- o6 V