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
, K/ c/ R6 C0 M9 j; R
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
1 K3 @; R0 |5 H4 Q3 ^语言：python
" H# \, x  Z: T7 I4 x! x) C
IDE：pycharm
+ Z, t0 O& u& F9 p
0 @# v+ p* j* h$ [- u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：
" k, v1 P9 v# T8 {: F  h5 s- l
" J& o9 I# X; w5 }8 _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
: g4 i) s$ F- P1 q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。
( h3 x' E4 f4 N5 c3 E
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：

: b2 \9 x$ P! c8 u& z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。



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。

( b  W; C( }# ~9 Q/ }' C( B6 o编写爬虫程序
首先肯定要通过python访问这个网站，代码如下：
9 G3 g- M7 x+ \$ B* _) y
$ Y3 g5 V# ~  V1 {8 O% mheaders = {
" G; ?, N8 C/ j  D7 C, x    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
7 H: `4 V. g1 `' }    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)  //请求网页
- |- Q  D6 J4 `5 C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。
- F5 L: Y& C9 ?

7 }3 x3 C1 R7 ^
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：


5 v( T6 J' d" Q: w
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">'
0 ?3 p+ d+ [: e3 w) h6 | 像这样。
5 N) s4 L4 d2 M& `2 m. D
然后就可以调用re库里的findall方法把相关内容爬下来了：
) O1 n% ^) C$ Q! R3 M0 O7 m
result = re.findall(t, response.text)
- r: W# t1 M! u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。
+ w5 E( {3 y. O5 Y* `
程序代码
import requests
import re
# a, |) z, b) H8 H  o  ]- A7 ~import os

+ p5 i  q) b' F  ^& Z4 a# z- ximage = '表情包'
if not os.path.exists(image):
4 B5 ]& }7 Q8 {' f    os.mkdir(image)
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
" A2 B) W: ^5 s, L    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
5 `$ |2 E, q6 x* d. x  Uresponse.encoding = 'utf-8'
print(response.request.headers)
. @( A6 L  [3 Q2 \2 [9 B% uprint(response.status_code)
$ t" L1 Y; I# N0 dt = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
result = re.findall(t, response.text)
! q2 E& u: @9 O4 W! efor img in result:
    print(img)
    res = requests.get(img[0])
/ E% m" C% P& n0 d! 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
    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
        file.write(res.content)
最后结果就是这个样子：
7 N4 ~4 g: B2 @1 k" @$ Y0 M- P
6 R- k! S  _- t$ m- H
————————————————
& S% Y4 B1 U$ _6 B& @" r  u, _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。
" ]8 d! A0 K0 P, _5 D原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044


3 v; J$ ~' V% M