爬虫爬取图片


之前在考研,没有回复csdn,sorry啦,如何还有需要数据集的话,私聊就行,之前大家需要的昆虫数据集可以用类似的方爬取就行。

代码

可以爬取多页

#https://pic.netbian.com/4kmeinv/
#爬取图片
import requests
from bs4 import  BeautifulSoup
def craw_html(url):
    try:

        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
        }
        response = requests.get(url=url, headers=headers)
        print(response.status_code)
        response.encoding = response.apparent_encoding
        response = response.text
        soup = BeautifulSoup(response, 'html.parser')
        # tables = soup.find_all('ul', {'class': "clearfix"})
        tables=soup.find_all('img')
        print(tables)
        count=0
        for table in tables:
            name=table['alt']
            # print(table['alt']+','+table['src'])
            pic_src='https://pic.netbian.com'+table['src']
            dirs='E:/爬虫data/practice/pics/'+name + '.jpg'
            with open(dirs, 'wb') as f:
                     f.write(requests.get(pic_src).content)
                     print(name+'+'+'保存成功')
                     count=count+1

        print("成功爬取{}张图片".format(count))
    except:
        print("爬取失败")
def all_index():
    #https://pic.netbian.com/4kmeinv/index_2.html
    #https://pic.netbian.com/4kmeinv/index_3.html
    index=int(input("共63页,请问要爬取多少页"))
    url = 'https://pic.netbian.com/4kmeinv/'
    craw_html(url)
    for i in range(2,3+index):
        url='https://pic.netbian.com/4kmeinv/'+'index_{}.html'.format(index)
        craw_html(url)

    print("总共成功爬取{}张图片".format(20*index))

if __name__ == '__main__':
    all_index()




结果展示:

在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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