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

- o: |  T( k: H$ f& [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：
4 c5 s- |( S1 K8 O$ H
准备工作
语言：python
0 r# O+ E' D6 m/ @6 x! i. Y3 Z
IDE：pycharm
- v& b* ?/ T, u& 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：
* t6 p5 R; ]5 p# J
5 r& s' W( z0 J, F8 eimport requests //用于请求网页
/ K3 r% }2 I- }4 }0 S- \import re  //正则表达式，用于解析筛选网页中的信息
# s, m- V0 [- g+ W. k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。
/ E2 A# p: ~' T/ R9 h3 e
  |9 i' G( ?9 C' b4 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：

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。
* m# Z5 }6 v) p2 g6 B

% u$ ^. [  R5 f0 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
. D" X/ [. K) k4 Y7 V6 p首先肯定要通过python访问这个网站，代码如下：

- X# [4 C: D) U; A) D( oheaders = {
    '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)  //请求网页
2 |) Y, r% Q2 C3 k- S# v7 e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 v, ?7 U: {+ W& ]* Q$ {

3 M5 `+ t$ p( _0 y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：


) C1 W9 d4 w3 X5 i1 A9 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.*?
0 [& E8 N: _# f+ T) S  N
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
像这样。
: j- {* A- q+ D; \' Q
然后就可以调用re库里的findall方法把相关内容爬下来了：
1 _7 V& m, n+ f1 \$ O5 H7 e3 ~
result = re.findall(t, response.text)
# {+ M8 Q5 p* H3 `- J% Z- 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。
9 S$ H( L% |4 ]! j) o
+ _) h, B% E7 M, [. u+ H程序代码
import requests
import re
: d5 ]& @; A, I; w4 vimport os
8 i& _2 X1 r4 A4 h1 c! n
0 K& B7 k5 ]+ k! g/ f) Eimage = '表情包'
; ~$ k6 L- ^6 d) r% e2 ~if not os.path.exists(image):
    os.mkdir(image)
headers = {
) `' y; S0 y5 T6 A+ X; e1 _# y    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
, y1 u6 ~+ }8 t, Zresponse = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
7 E4 z% n. @  y) g5 ~! uresponse.encoding = 'utf-8'
( b' U; {) A: g4 t$ F: hprint(response.request.headers)
2 U4 h) D: {% q5 J! O: `print(response.status_code)
! g  o9 a, {% t- bt = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
  L0 I! v* X/ Y! fresult = re.findall(t, response.text)
for img in result:
    print(img)
9 R6 g% [1 ]$ {' S7 R6 |% s    res = requests.get(img[0])
    print(res.status_code)
- t. r' `! T8 Z: o/ ]1 [" G0 I    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:
/ q4 C& v1 n: s/ P        file.write(res.content)
最后结果就是这个样子：
' z" k; p" l$ m+ `. I* \

( n2 [: r/ U4 |————————————————
6 T4 O3 {; u! U0 Q( n; 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。
" t/ e2 D7 `7 ]; u- I8 q' _原文链接：https://blog.csdn.net/qq_46145027/article/details/123969044
0 p8 |; \* r4 y4 u6 Y1 p0 c. s/ t" w
  B  b4 z- m# A. K" s4 }- }
; ?4 g2 X4 N: y/ ?2 F