python怎么批量下载图片_python批量下载图片的三种方法

有三种方法，一是用微软提供的扩展库win32com来操作IE，二是用selenium的webdriver，三是用python自带的HTMLParser解析。win32com可以获得类似js里面的document对象，但貌似是只读的（文档都没找到）。selenium则提供了Chrome，IE，FireFox等的支持，每种浏览器都有execute_script和find_element_by_xx方法，可以方便的执行js脚本（包括修改元素）和读取html里面的元素。不足是selenium只提供对python2.6和2.7的支持。HTMLParser则是需要自己写个类继承基类，重写解析元素的方法。个人感觉selenium用起来更方便，很容易操作html里的元素。

代码如下：

win32com：

复制代码 代码如下:

#将滚动条滑到底,最多滑动20000像素

#模拟键盘右键，查看多张图片

import sys

import win32com.client,win32api

import urllib.request

import time

import os

def main():

#获取参数

url=sys.argv[1]

#操作IE

ie=win32com.client.Dispatch("InternetExplorer.Application")

ie.Navigate(url)

ie.Visible=True

last_url=''

dir_name=''

while last_url!=url:

print('\nThe URL is:',url,'\n')

while ie.ReadyState != 4:

time.sleep(1)

while ie.Document.readyState != "complete":

time.sleep(1)

#滑动滚动条

win=ie.Document.parentWindow

lastY=-1;

for i in range(40):

win.scrollTo(0,500*i)

nowY=win.pageYOffset

if(nowY==lastY):

break

lastY=nowY

time.sleep(0.4)

print('Document load state:',ie.Document.readyState)

doc=ie.Document

#第一次需要创建目录

if(dir_name==''):

root_dir='E:\\img'

dir_name=root_dir+'\\'+doc.title

dir_name=dir_name.replace('|','-')

if(os.path.exists(root_dir)!=True):

os.mkdir(root_dir)

if(os.path.exists(dir_name)!=True):

os.mkdir(dir_name)

all_image=doc.images

print('共有',all_image.length,'张图片')

count=0;

for img in all_image:

if(img.id=='b_img'):

count=count+1

print(count,img.src)

time.sleep(1)

img_file=urllib.request.urlopen(img.src)

byte=img_file.read()

print(count,'donwload complete!','-'*10,'size:','{:.3}'.format(byte.__len__()/1024),'KB')

if(byte.__len__()>7000):

file_name=img.src.replace('/','_')

file_name=file_name.replace(':','_')

end=file_name.__len__()

if(file_name.rfind('!')!=-1):

end=file_name.rfind('!')

if(file_name.rfind('?')!=-1):

end=file_name.rfind('?')

file_name=file_name[:end]

write_file=open(dir_name+'\\'+file_name,'wb')

write_file.write(byte)

write_file.close()

print(count,file_name,'complete!')

#下一张

last_url=url

win32api.keybd_event(39,0)

time.sleep(1)

url=ie.Document.url

print(last_url,url)

#ie.Quit()

if __name__ == '__main__':

main()

selenium:

复制代码 代码如下:

# -*- coding: cp936 -*-

import sys

import urllib

import time

import os

from selenium import webdriver

def main():

#获取参数

url=sys.argv[1]

#操作IE

driver=webdriver.Chrome()

driver.get(url)

driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")

#创建目录

dir_name=driver.find_element_by_tag_name('title').text

print dir_name

root_dir='E:\\img'

dir_name=root_dir+'\\'+dir_name

dir_name=dir_name.replace('|','-')

if(os.path.exists(root_dir)!=True):

os.mkdir(root_dir)

if(os.path.exists(dir_name)!=True):

os.mkdir(dir_name)

images=driver.find_elements_by_tag_name('img')

count=0

for image in images:

count=count+1

image_url=str(image.get_attribute('src'))

img_file=urllib.urlopen(image_url)

byte=img_file.read()

print count,'donwload complete!','-'*10,'size:',byte.__len__()/1024,'KB'

if(byte.__len__()>7000):

file_name=image_url.replace('/','_')

file_name=file_name.replace(':','_')

end=file_name.__len__()

if(file_name.rfind('!')!=-1):

end=file_name.rfind('!')

if(file_name.rfind('?')!=-1):

end=file_name.rfind('?')

file_name=file_name[:end]

write_file=open(dir_name+'\\'+file_name,'wb')

write_file.write(byte)

write_file.close()

print count,file_name,'complete!'

driver.quit()

if __name__ == '__main__':

main()

HTMLParser:

复制代码 代码如下:

# import modules used here -- sys is a very standard one

import sys

import urllib.request

# Gather our code in a main() function

from html.parser import HTMLParser

class MyHTMLParser(HTMLParser):

def handle_starttag(self,tag,attrs):

if(tag=='img'):

for attr in attrs:

if(attr[0]=='src'):

img_file=urllib.request.urlopen(attr[1])

byte=img_file.read()

#文件大于1000b则生成文件,添加计数，下载多少图片，显示html代码

if(byte.__len__()>1000):

file_name=attr[1].replace('/','_')

file_name=file_name.replace(':','_')

end=file_name.__len__()

if(file_name.rfind('!')!=-1):

end=file_name.rfind('!')

if(file_name.rfind('?')!=-1):

end=file_name.rfind('?')

file_name=file_name[:end]

## print(file_name)

write_file=open('E:\\img\\'+file_name,'wb')

write_file.write(byte)

write_file.close()

def main():

#获取参数

url=sys.argv[1]

print('\nThe URL is:',url,'\n')

#读取url所指向的资源

html_file=urllib.request.urlopen(url)

byte_content=html_file.read()

#将html网页保存起来

url_file=open('E:\\img\\html\\result.htm','wb')

url_file.write(byte_content)

url_file.close()

#从字节转换为字符串

s=str(byte_content, encoding = "utf-8")

#print(s)

#bytes.decode(html_file.read())

parser=MyHTMLParser(strict=False)

parser.feed(s)

# Standard boilerplate to call the main() function to begin

# the program.

if __name__ == '__main__':

main()

本文标题: python批量下载图片的三种方法

本文地址: http://www.cppcns.com/jiaoben/python/94067.html