抓取图片的时候使用 for image in soup.find_all('img'): 一直返回为空,研究了下发现是因为网页内容是通过JavaScript动态加载的,而不是在初始的HTML响应中包含的。在这种情况下,尝试使用Selenium库来模拟浏览器行为,从而获取动态加载的内容。以下是一个使用Selenium库的示例代码:
import os
from selenium import webdriver
import requests
import time
from bs4 import BeautifulSoup
import re
url = 'www.test.com'
driver=webdriver.Chrome() #由于网页动态加载,使用webdriver模拟浏览器进行加载
driver.get(url)
soup = BeautifulSoup(driver.page_source, 'html.parser')
image_url =[]
for image in soup.find_all('img'):
if image.get('src') and 'https://cbu01.alicdn.com/img/ibank' in image['src']: #进一步过滤网址
image_url.append(image['src'])
driver.quit()
# print(image_url) # 输出结果查看
url_list = image_url
save_folder = 'D:\pic' # 指定保存图片的文件夹路径
if not os.path.exists(save_folder):
os.makedirs(save_folder)
for i in range(len(url_list)):
response = requests.get(url_list[i], stream=True)
image_name = f"{i}.jpg" # 自动生成图片名称
with open(os.path.join(save_folder, image_name), "wb") as file:
for chunk in response.iter_content(chunk_size=1024):
if chunk:
file.write(chunk)
print(f"已保存第 {i + 1} 张图片!")
time.sleep(1) #添加等待时间