利用python爬取甲骨文图片及其对应的汉字含义，共1062个甲骨文，百度云下载

本文链接：https://blog.csdn.net/weixin_42464154/article/details/113487569

该博客内容讲述了作者对古典文化感兴趣，特别是甲骨文，因此进行了相关网站的爬虫编写，目的是爬取并保存甲骨文的图片以及其对应的中文含义。爬虫代码实现了从指定网页抓取图片，并将其存储到本地文件夹中。提供的链接提供了所有爬取结果的打包下载地址。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

由于对古典文化较感兴趣，因此爬取甲骨文图片，及其对应的中文含义，因为网页是分目录的，因此分目录爬取。

数据来源网址：
http://www.9610.com/jiagu/bian/index.htm，
在这里插入图片描述
爬取所用代码：

import urllib.request
import re
import os
import urllib


def get_html(url):
    page = urllib.request.urlopen(url)
    html_a = page.read()

    print(html_a.decode('gbk'))
    return html_a.decode('gbk')


def get_img(html):
    reg = r'\b\d+\b.jpg'
    reg1=r'<IMG[^>]*>(.*)</TD>'
    imgre = re.compile(reg)  # 转换成一个正则对象
    imglist = imgre.findall(html)  # 表示在整个网页过滤出所有图片的地址，放在imgList中
    imgre1 = re.compile(reg1)  # 转换成一个正则对象
    imglist1 = imgre1.findall(html)  # 表示在整个网页过滤出所有图片的地址，放在imgList中
    print(imglist)
    print(imglist1)
    x = 0        # 声明一个变量赋值
    path = 'E:\\lianxi\\mypic\\y_z'  # 设置图片的保存地址
    if not os.path.isdir(path):
        os.makedirs(path)  # 判断没有此路径则创建
    paths = path + '\\'  # 保存在test路径下
    for imgurl in imglist:
        urllib.request.urlretrieve("http://www.9610.com/jiagu/bian/"+imgurl, '{0}{1}.jpg'.format(paths, str(x)+imglist1[x]))  # 打开imgList,下载图片到本地
        x = x + 1
        print('图片开始下载，注意查看文件夹')
    return imglist


html_b = get_html("http://www.9610.com/jiagu/bian/yz.htm#y")  # 获取该网页的详细信息
print(get_img(html_b))  # 从网页源代码中分析下载保存图片

爬取结果如下：
在这里插入图片描述