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& V" ]7 k" ]# x  f# @/ l
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：

6 G' c+ C' A* m. }- }准备工作
0 S0 u4 x0 Z4 y! q语言：python
. }1 O6 y. b, Q; g, c
IDE：pycharm
# u1 X2 r0 P8 l7 \3 B$ ~
+ }& k+ D* [. Q( O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：
2 G% F  j+ P+ B" Y, N
import requests //用于请求网页
- P3 @* Q- W( Y% B7 l! a$ \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。

1 E! R& V. `. n* Z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。
6 n- \: Q" V, v/ O4 [- c1 k' D8 X
, n7 O5 {2 |1 J! e# b# 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。
$ K' y* D5 e6 P4 ^) o2 v" I
编写爬虫程序
首先肯定要通过python访问这个网站，代码如下：
- y5 Q5 n- L* k' o
0 u9 p' |9 f1 Z6 eheaders = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
; ?5 S8 ]0 r2 E7 P# Z; m" R    }
. Y5 w6 h1 L) _! h7 _! M- iresponse = 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。



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：

. h3 n6 ^: n. Q; G

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.*?
. N6 x1 k8 S; u. }* E
; p5 A' t( R% Ot = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
3 p0 W+ i) b# H 像这样。
( {4 q/ n% h4 v* p. e- `
  [1 u. }! t: y& ^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)
/ A) z7 \* A% D) S5 W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。
5 T; c7 y% }3 q, s* \, i% J8 m
' J! I1 R" f7 s. q1 ]程序代码
import requests
import re
+ s: c5 M; n9 b9 u. C7 T! ximport os

image = '表情包'
$ l2 c7 S' B" w) ^3 O. u8 Jif not os.path.exists(image):
9 Z! d8 H1 a% |5 U    os.mkdir(image)
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
; W' b2 K1 Z  e. d+ |  l* P& `    }
! D6 V$ b5 C1 r/ S5 @: _response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
response.encoding = 'utf-8'
print(response.request.headers)
$ k5 z0 l7 H- x6 n2 y  Y# Hprint(response.status_code)
0 v' U3 h9 ]$ Mt = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
& W2 g8 [, Y# _# Oresult = re.findall(t, response.text)
for img in result:
    print(img)
    res = requests.get(img[0])
    print(res.status_code)
+ e  l( A9 `* x    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:
3 D5 t+ F  F2 u+ n) h        file.write(res.content)
4 R: g; l* a0 E) u, M5 A最后结果就是这个样子：

$ U/ T8 ]1 B8 }) H- F
8 G4 ^! I1 R8 k————————————————
0 Q/ i, a4 D) u) i  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。
7 O: n6 b3 ~; e0 T. ?* ^, N原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044

$ ?$ U. W* G6 W. L. Z