爬虫 --- 获取图片并处理中文乱码

爬取网站图片

运用requests模块处理url并获取数据,etree中xpath方法解析页面标签,urllib模块urlretrieve保存图片,"iso-8859-1"处理中文乱码

 

#爬取图片并且处理乱码
import requests
from lxml import etree
#urlretrieve可以直接保存图片
from urllib import request
url = "http://pic.netbian.com/4kqiche/"
headers = {
     'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'
}

response = requests.get(url=url,headers=headers)

page_text = response.text
tree = etree.HTML(page_text)
#xpath得到的data是个list
li_list = tree.xpath("//div[@class='slist']/ul/li")

for li in li_list:
    img_src = li.xpath('./a/img/@src')[0]
    new_src = url.split("/4")[0] + img_src
    print(new_src)
    img_name = li.xpath('./a/b/text()')[0]
    #通用型,解决中文乱码
    img_text = requests.get(url=new_src,headers=headers).text
    img_name = img_name.encode('iso-8859-1').decode('gbk') + '.jpg'
    request.urlretrieve(url=new_src,filename = "./img/%s"%img_name)
    print(f"{img_name}爬取成功")

 

转载于:https://www.cnblogs.com/CrazySheldon1/p/10815972.html

  • 0
    点赞
  • 0
    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