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
4 s/ M4 B% Q) i/ b
& i7 ]: h% c& v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
/ |$ N: v; A& r$ W语言：python
/ |9 c8 |, n; `& N
IDE：pycharm
/ Q; p+ l8 D9 \( D- 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：
" a' Y7 F8 ?" e: N/ m) m2 }8 j2 W! a
2 Q& D. T% J% x* H+ B" ximport requests //用于请求网页
; d% O* d7 M2 a: j( ]) c. S/ T& kimport 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。

5 ?! E$ y7 Y* j) W) @; D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：

* j8 N2 P( u9 l  u9 L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。
7 R, E' F5 t' I; L" r+ ~

8 v2 @2 q- t' H6 h" R
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。

7 B5 l. {' e8 i8 k' j: V1 S. _编写爬虫程序
+ z7 ^5 x* u& }$ i% @2 K; X首先肯定要通过python访问这个网站，代码如下：
: q9 P6 m: @; Z9 J% U
% C$ Z: x( P4 u1 Jheaders = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
- ?& ~$ _; r" |    }
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。

6 U" E2 ~, {% i3 ]
. z1 z7 f2 Z  X8 I% z7 m+ a7 u& ~4 j
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：
3 _( L% C9 C& @4 h9 y

: X5 k  o7 i3 k5 Y: w3 z+ X
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.*?

3 |$ H2 ^" p7 |0 l( Jt = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
1 s: D* _' p! [0 x 像这样。
: q6 C  a) e& ]1 F; k
! `* A' H) T5 R$ ?然后就可以调用re库里的findall方法把相关内容爬下来了：
' M% ^9 ?  Z! V. r. q8 X
result = re.findall(t, response.text)
% h+ w0 @! a! {2 v( m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 c" L0 c' i' X8 M
程序代码
! W  v, w: X/ u8 ?9 f0 l  nimport requests
import re
import os

image = '表情包'
4 J( U" T+ o" D7 m/ y) Fif not os.path.exists(image):
* F; d+ l- c8 G4 P* F  L    os.mkdir(image)
headers = {
+ y2 O* C, z" V  Z! N8 Q4 h. P    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
0 j7 `; u  g$ d1 A7 U" D    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
8 M  P, m$ w1 Eresponse.encoding = 'GBK'
, C7 H1 A3 K5 b' a8 t2 R+ [1 Yresponse.encoding = 'utf-8'
print(response.request.headers)
5 }1 s' m& `- W/ _print(response.status_code)
" O4 ^# A) m( _t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
3 G: R) `3 [5 s9 _' B( zresult = re.findall(t, response.text)
) w$ [$ {# l2 |& F: Tfor img in result:
+ n+ ?, w5 F. O0 L. C    print(img)
    res = requests.get(img[0])
3 `; J2 a$ Q4 y( 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:
  U1 D* O6 v( u2 U# x& D1 @2 m        file.write(res.content)
6 S; V- M: d+ f' [  @最后结果就是这个样子：


& y6 t# f; |$ j, F; ]& s————————————————
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。
原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044
- g3 W6 w- R/ m! s( {* T; M# y
0 z" }* Y! _; D' q* n