python 批量下载网页图片_元素图片用python批量下载图片

工作之余抽点时间出来写写博文，希望对新接触的朋友有帮助。今天在这里和大家一起学习一下元素图片

用python量批下载一个网页中的图片，要需用到扩展库来析解html代码。有三种法方，一是用微软供给的扩展库win32com来操纵IE，二是用selenium的webdriver，三是用python自带的HTMLParser析解。win32com可以获得相似js面里的document对象，不过是只读的（文档都没找到）。selenium则供给了Chrome，IE，FireFox等的支撑，每种浏览器都有execute_script和find_element_by_xx法方，可以便方的执行js本脚（括包修改元素）和取读html面里的元素。缺乏是selenium只供给对python2.6和2.7的支撑。HTMLParser则是要需自己写个类继承基类，重写析解元素的法方。个人感觉selenium用起来更便方，很轻易操纵html里的元素。

代码如下：

win32com：

View Code

#将滚动条滑到底,最多滑动20000像素#模拟盘键键右，查看多张图片

importsysimportwin32com.client,win32apiimporturllib.requestimporttimeimportosdefmain():#获得参数

url=sys.argv[1]#操纵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.pageYOffsetif(nowY==lastY):breaklastY=nowY

time.sleep(0.4)print('Document load state:',ie.Document.readyState)

doc=ie.Document#第一次要需创建目录

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.imagesprint('共有',all_image.length,'张图片')

count=0;for img inall_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.urlprint(last_url,url)#ie.Quit()

if __name__ == '__main__':

main()

selenium:

每日一道理

成熟是一种明亮而不刺眼的光辉，一种圆润而不腻耳的音响，一种不要需对别人察颜观色的从容，一种终于停止了向周围申诉求告的大气，一种不理会哄闹的微笑，一种洗刷了偏激的淡漠，一种无须声张的厚实，一种并不陡峭的高度。

View Code

#-*- coding: cp936 -*-

importsysimporturllibimporttimeimportosfrom selenium importwebdriverdefmain():#获得参数

url=sys.argv[1]#操纵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').textprintdir_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=0for image inimages:

count=count+1image_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:

View Code

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

importsysimporturllib.request#Gather our code in a main() function

from html.parser importHTMLParserclassMyHTMLParser(HTMLParser):defhandle_starttag(self,tag,attrs):if(tag=='img'):for attr inattrs:if(attr[0]=='src'):

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

byte=img_file.read()#件文大于1000b则成生件文,加添数计，下载多少图片，示显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()defmain():#获得参数

url=sys.argv[1]print('\nThe URL is:',url,'\n')#取读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()

文章结束给大家分享下程序员的一些笑话语录： 联想——对内高价，补贴对外倾销的伟大“民族”企业。