python爬虫入门教程：爬取网页图片

plexming

已于 2023-04-23 14:31:12 修改

阅读量7.3w

收藏 1.5k

点赞数 190

CC 4.0 BY-SA版权

文章标签： python 网络爬虫

于 2022-04-05 15:25:11 首次发布

本文链接：https://blog.csdn.net/qq_46145027/article/details/123969044

本文介绍了使用Python进行网络爬虫的基础步骤，通过一个简单的例子展示了如何爬取并下载表情包网站上的图片。首先，介绍了需要的库requests和re，然后讲解了如何设置headers来伪装浏览器请求，避免被网站识别。接着，通过F12查看网页源代码，定位到图片的HTML标签，并编写正则表达式匹配图片链接。最后，利用re库的findall方法获取所有图片链接，并下载保存到本地。整个过程旨在简化手动下载的表情包流程，但要注意不要爬取付费资源或侵犯隐私。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在现在这个信息爆炸的时代，要想高效的获取数据，爬虫是非常好用的。而用python做爬虫也十分简单方便，下面通过一个简单的小爬虫程序来看一看写爬虫的基本过程：

准备工作

语言：python

IDE：pycharm

首先是要用到的库，因为是刚入门最简单的程序，我们主要就用到下面这两：

import requests //用于请求网页
import re  //正则表达式，用于解析筛选网页中的信息

其中re是python自带的，requests库需要我们自己安装，在命令行中输入pip install requests即可。

然后随便找一个网站，注意不要尝试爬取隐私敏感信息，这里找了个表情包网站：

注：此处表情包网站中的内容本来就可以免费下载，所以爬虫只是简化了我们一个个点的流程，注意不能去爬取付费资源。

我们要做的就是通过爬虫把这些表情包下载到我们电脑里。

编写爬虫程序

首先肯定要通过python访问这个网站，代码如下：

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)  //请求网页

其中之所以要加headers这一段是因为有些网页会识别到你是通过python请求的然后把你拒绝，所以我们要换个正常的请求头。可以随便找一个或者f12从网络信息里复制一个。

然后我们要找到我们要爬取的图片在网页代码里的位置，f12查看源代码，找到表情包如下：

然后建立匹配规则，用正则表达式把中间那串替换掉，最简单的就是.*?

t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'

像这样。

然后就可以调用re库里的findall方法把相关内容爬下来了：

result = re.findall(t, response.text)

返回的内容是由字符串组成的列表，最后我们经由爬到的地址通过python语句把图片下下来保存到文件夹里就行了。

程序代码

import requests
import re
import os

image = '表情包'
if not os.path.exists(image):
    os.mkdir(image)
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
response.encoding = 'utf-8'
print(response.request.headers)
print(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
result = re.findall(t, response.text)
for img in result:
    print(img)
    res = requests.get(img[0])
    print(res.status_code)
    s = img[0].split('.')[-1]  #截取图片后缀，得到表情包格式，如jpg ，gif
    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
        file.write(res.content)

最后结果就是这个样子：