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

3 f$ ?7 j" U! p: E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：
0 F  F5 h/ d) Q9 {2 w
, r5 D% E7 H: X# v* y* d  G4 Z准备工作
9 P+ q0 x4 z9 Q. P语言：python
  I* P& }9 b, A  l) ^/ t
- M% @+ }0 x2 `9 D8 sIDE：pycharm
9 |0 P% u: M7 I8 y9 q7 b
# G7 A1 C) h5 c* o4 M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
5 b1 R( K8 x6 Kimport re  //正则表达式，用于解析筛选网页中的信息
. d9 j" j2 z( O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。
, J' y' F+ \4 y
4 ]9 e1 B! |, @9 P: a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：
0 k. \% p. Z: z2 X0 g$ q( F
1 i; T- g8 \  D6 c; i5 o( A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。
- J: A1 i# i1 S" }  r

7 \3 K+ I" Z. U! y
, k! g% Q  n5 w) G  B, B) L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
首先肯定要通过python访问这个网站，代码如下：

headers = {
( y1 s/ C" K7 ]3 L    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
3 J9 V0 G* l4 u2 {3 [& T. O    }
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。
0 w. q' N( Y& L+ E9 C: K. u, H
1 Q' \4 b6 @. N$ V3 `0 t* m

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# S2 _, i  \- g' p


1 n& ?% o/ ?- ^* u& 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.*?

t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
% n( c9 R# Z) h% {$ E  J3 S 像这样。
" ?% c% K, q9 b7 }) t2 Y. K) T
然后就可以调用re库里的findall方法把相关内容爬下来了：
1 Y$ g8 v5 B  z- k
result = re.findall(t, response.text)
' L. w" z3 @# @. p4 d$ h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。
- u* k& a4 M7 J1 `& b
+ n$ N4 R2 _1 Y. ^7 m6 m& g8 t程序代码
import requests
import re
, T2 j+ P" D9 @9 q) g: limport os
/ h5 _, n( b1 v4 q' R
& `( a7 j: B; l' z5 Cimage = '表情包'
if not os.path.exists(image):
    os.mkdir(image)
headers = {
$ x0 E2 f* L4 o0 D# x    '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)
response.encoding = 'GBK'
' `5 l- \5 s) Fresponse.encoding = 'utf-8'
0 S' t, ~0 ]& vprint(response.request.headers)
print(response.status_code)
& ]+ F& m5 L- Z: k; bt = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
; D( h( N, J2 ?5 k: l3 \/ dresult = re.findall(t, response.text)
4 L5 N  a# [" H: f3 Ofor img in result:
    print(img)
    res = requests.get(img[0])
/ k! }: g* M0 C: H% @8 N    print(res.status_code)
3 [/ g$ U9 M& O3 R9 ?0 T# S    s = img[0].split('.')[-1]  #截取图片后缀，得到表情包格式，如jpg ，gif
. H$ g2 _& A2 F8 U% M6 D    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
' i, ]1 }) Q+ }& P, Z5 }# m2 ]$ E        file.write(res.content)
+ p5 E5 M5 \1 M0 F- }" ^最后结果就是这个样子：

) r+ b1 w' ?" F# i$ X7 b; h
————————————————
3 U6 n9 K+ X# Q, `  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。
; }& z- J0 r/ ^7 C1 k: u原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044

# [0 x: H1 v# l