python爬虫:批量爬取网页图片

python爬虫:批量爬取网页图片

引言

自学python爬虫,完成了批量爬取网页图片,记录一下。

代码

中间包含一些用于测试的输出代码。

import urllib.request
import os



def url_open(url):
    #req = urllib.request.Request(url)
    #req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Safari/537.36 SLBrowser/7.0.0.1071 SLBChan/1')
    header = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Safari/537.36 SLBrowser/7.0.0.1071 SLBChan/1'}
    req = urllib.request.Request(url = url,headers = header)
    response = urllib.request.urlopen(req)

    #response = urllib.request.urlopen(url)
    html = response.read()

    print(url)
    return html


def get_page(url):
    html =  url_open(url).decode('utf-8')


    a = html.find('current-comment-page') + 23
    b = html.find(']',a)

    print(html[a:b])
    return html[a:b]


   #获取页面内部的图片地址
def find_imgs(url):

    html = url_open(url).decode('utf-8')
    img_addrs = []

    a = html.find('img src=')
    while a != -1:
        b = html.find('.jpg',a,a+255)
        if b!= -1:
            img_addrs.append(html[a+9:b+4])
        else:
            b = a+9
        a = html.find('img src=',b)

    for each in img_addrs:
        print(each)

    return img_addrs

    #保存图片模块
def save_imgs(folder,img_addrs):
    for each in img_addrs:
        filename = each.split('/')[-1]
        with open(filename,'wb') as f:
            #  + http:
            img = url_open('http:'+ each)
            f.write(img)



def download_10(folder = 'niu',pages = 2):
    os.mkdir(folder)
    os.chdir(folder)

    #http://jandan.net/ooxx/MjAyMTAyMjAtMTA5#comments
    #获取当前页面的URL
    url = "http://jandan.net/ooxx/"
    #获取当前页面数
    page_num = int(get_page(url))
    #根据偏移量依次寻找页面
    for i in range(pages):
        page_num -= i
        #页数问题
        page_url = url+ 'MjAyMTAyMjEtMTE'+str(page_num) +'#comments'
        img_addrs = find_imgs(page_url)

        save_imgs(folder,img_addrs)


if __name__== '__main__':
    download_10()

总结

继续努力!!!

好的,下面是一个简单的 Python 爬虫教程,可以批量爬取指定网站的图片: 首先,我们需要安装 requests 和 BeautifulSoup 这两个库。可以通过以下命令进行安装: ``` pip install requests pip install beautifulsoup4 ``` 接下来,我们需要编写代码。以下是一个示例代码,可以爬取指定网站的图片并保存到本地: ```python import requests from bs4 import BeautifulSoup import os # 爬取图片的网站 url = "https://www.example.com/" # 请求头,模拟浏览器访问 headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3"} # 发送请求,获取网页内容 response = requests.get(url, headers=headers) soup = BeautifulSoup(response.text, "html.parser") # 创建保存图片的文件夹 if not os.path.exists("images"): os.makedirs("images") # 遍历所有的图片标签,获取图片链接并保存到本地 for img in soup.find_all("img"): img_url = img.get("src") if img_url.startswith("http"): response = requests.get(img_url) with open("images/" + os.path.basename(img_url), "wb") as file: file.write(response.content) print("已保存图片:", img_url) ``` 在上述代码中,我们首先定义了要爬取的网站的 URL。然后,我们使用 requests 库发送一个 GET 请求,获取网页的 HTML 内容。接着,我们使用 BeautifulSoup 库对 HTML 进行解析,获取所有的图片标签。最后,我们使用 requests 库再次发送 GET 请求,获取图片的二进制数据,并保存到本地的 images 文件夹中。 注意,这里我们使用了一个 if 判断来过滤掉非 HTTP 开头的图片链接,以避免出现下载错误的情况。 为了更好的用户体验,代码中还加入了一些注释,方便大家理解。 希望这个简单的 Python 爬虫教程能对你有所帮助!
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值