如何用爬虫爬取网页上的图片

只是记录一下自己的学习过程。

学习爬虫需要对网页的组成有一定了解。可以去网络上搜索学习一下，不需要对整个html语言有较深认知。

使用爬虫不能爬取有版权或者付费的内容，大多数情况下只是为了快速获取，结合数据分析得到比较直观的规律。

有一定基础的同学简单看一下代码就好了。别的其实都是废话。

示例源码1：

import re
import urllib.request
import requests

url='https://www.qqtn.com/article/article_32160_1.html'
headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36 Edg/107.0.1418.26'}
page_text=requests.get(url=url,headers=headers)
page_text.encoding=page_text.apparent_encoding
print(page_text)
print(page_text.text)
filter='<img src="(.*?)"'
image_url=re.findall(filter,page_text.text)
print(image_url)
path='C:\\Users\\asus\\Desktop\\spider_image'
for index,ima in enumerate(image_url):
    imag=requests.get(ima)
    with open(path+'\\'+str(index)+'ima.png','wb+') as f:
        f.write(imag.content)

示例代码2：

import re
import requests
url='http://www.imeitou.com/nvsheng/233342.html'
headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36 Edg/107.0.1418.26'}
pageopen=requests.get(url=url,headers=headers)
pageopen.encoding=pageopen.apparent_encoding
filter='<img src="(.*?)"'
image_url=re.findall(filter,pageopen.text)
path='C:\\Users\\asus\\Desktop\\ima'
for index,ima in enumerate(image_url):
    imag=requests.get(ima)
    with open(path+'\\'+str(index)+'ima.png','wb+') as f:
        f.write(imag.content)

1.获取URL和headers

获取headers：F12->网络->ctrl+r->第一个->滑到最下面->user_Agent。

2.获取网页内容。

（1）使用urllib模块：

import urllib.request.urlopen

with urlopen(url) as fp:

       page_text=fp.read().decode()

  (2)import request

page_text=request.get()

page_text.encoding=page_text.apparent_encoding

print(page_text.text)

request模块简介：

 

3.通过re.findall(pattern,page_text.text)方法筛选获取网页文本得到图片地址。

两种方式：

（1）通过正则表达式：re.findall(pattern,page_text)

（2）xpath

4.通过request.get(image_url)获取图片的二进制内容。

5.新建文件夹并下载图片。

（1）建立文件夹：if not os.path.exists('D:\\')

                                     os.mkdir('D:\\')

  (2)创建文件：with open方法创建