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：
9 p( d& ], e+ e% e
3 N" W+ l* D( \2 X6 ^) t7 j准备工作
) \- y) p9 Q/ |' d) ?. e语言：python
3 {7 q2 B7 K% c! n5 N- f
; g; x& w3 Q8 F1 ]$ E+ V- mIDE：pycharm

1 \$ Q& q# y' f7 N- g* n6 r: Z  `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
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。
* W3 b) Z1 F% a1 S0 `& r
- l$ N% F8 ~, e7 d7 M( u! S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。


: q8 Z+ g' H0 L4 e) f
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 v4 t6 {* G) ~1 W+ Z! B编写爬虫程序
. ~' U+ H: s2 `- R7 r% ?( M首先肯定要通过python访问这个网站，代码如下：
/ ~1 l# Q4 B/ ]' j
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
( D7 O3 h: ~' n3 I- l    }
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 ]# {' V1 d: j' w% n
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：

: E- j* p2 J; y6 |" i, a

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">'
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：
9 b. C/ y4 J: ?' ^
3 Z6 _" C7 }! u" J  H7 S1 n3 A5 Q9 `result = re.findall(t, response.text)
4 N$ C" n# n6 C5 ]7 v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。
6 H: ]' T/ h' a1 v( h! ?
程序代码
import requests
/ p+ ]! ~+ D$ y( S5 Z1 \/ c0 f, C# Zimport re
6 z$ ]9 Q8 ~& Y! p2 timport os

( C3 n! x6 {2 _' D2 ximage = '表情包'
if not os.path.exists(image):
2 l$ P; K, i  j; X6 Q: O4 y    os.mkdir(image)
6 J( [( V) @+ Y2 dheaders = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
3 h3 N$ J8 A) H# ?# u7 _8 i& R3 B    }
, W$ x; I" Y! `- z, @% q7 uresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
response.encoding = 'utf-8'
print(response.request.headers)
8 J, m4 I9 x. H# y3 }; I# fprint(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
result = re.findall(t, response.text)
for img in result:
8 I; G; R/ Q5 j6 x8 R4 u* L/ Q    print(img)
1 P+ f4 G; }- M3 y: m& i    res = requests.get(img[0])
    print(res.status_code)
/ H( k- Z* m% w# _1 V/ L. p( e    s = img[0].split('.')[-1]  #截取图片后缀，得到表情包格式，如jpg ，gif
& W/ V0 ]+ U' x    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
' U6 R3 {: F; S        file.write(res.content)
/ D, p, e- Z8 [* L$ k最后结果就是这个样子：
' [' M& G5 P& d/ g  J+ l' a

————————————————
) d$ B5 S( N: F$ {5 T) k2 n9 G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。
# S: J7 F2 b+ N  L+ u2 _' C7 U原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044
0 l" ~/ j. B2 w2 q2 k9 f/ o