用于从网页上爬取图片并保存到本地目录。在代码的每一部分都加上了中文注释,以便理解。
# 导入所需的库
import os
import requests
from bs4 import BeautifulSoup
# 定义一个函数来下载图片
def download_image(url, save_dir):
"""
下载图片并保存到指定目录
:param url: 图片的URL
:param save_dir: 保存图片的目录
"""
# 发送 GET 请求获取图片资源
response = requests.get(url)
# 提取URL中的文件名
filename = url.split('/')[-1]
# 拼接保存路径和文件名
filepath = os.path.join(save_dir, filename)
# 以二进制写入模式打开文件并保存图片
with open(filepath, 'wb') as f:
f.write(response.content)
# 定义一个函数来爬取网页上的所有图片
def crawl_images(url, save_dir):
"""
爬取网页上的所有图片并保存到指定目录
:param url: 要爬取的网页URL
:param save_dir: 保存图片的目录
"""
# 发送 GET 请求获取网页内容
response = requests.get(url)
# 使用 BeautifulSoup 解析 HTML 页面
soup = BeautifulSoup(response.content, 'html.parser')
# 提取页面中的所有图片链接
img_links = [link['src'] for link in soup.find_all('img') if 'src' in link.attrs]
# 遍历图片链接,下载并保存图片到本地
for link in img_links:
download_image(link, save_dir)
# 程序的主入口
if __name__ == '__main__':
# 设置要爬取的网页URL和保存图片的本地目录
url = 'https://www.example.com'
save_dir = './images'
# 如果保存目录不存在,则创建该目录
if not os.path.exists(save_dir):
os.makedirs(save_dir)
# 调用函数,开始爬取图片
crawl_images(url, save_dir)
这段代码首先导入了必要的模块,定义了两个函数:download_image
用于下载单张图片,crawl_images
用于爬取网页上所有的图片链接,并调用download_image
函数下载图片。
以下是一些常见的爬虫设置请求头部、处理cookies和使用代理的方法:
1. 设置请求头部:
```python
import requests
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',
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Encoding': 'gzip, deflate, sdch',
'Accept-Language': 'zh-CN,zh;q=0.8',
}
response = requests.get('https://www.example.com', headers=headers)
```
2. 处理cookies:
```python
import requests
cookies = {'cookie_name': 'cookie_value'}
response = requests.get('https://www.example.com', cookies=cookies)
```
3. 使用代理:
```python
import requests
proxies = {
'http': 'http://proxy.example.com:8080',
'https': 'https://proxy.example.com:8080',
}
response = requests.get('https://www.example.com', proxies=proxies)
```
这些方法可以帮助你在爬虫中设置请求头部、处理cookies和使用代理