Python从网站幻灯片形式图集中爬取图片

 今天浏览网站时遇到了slideshow格式的图片集,如下图,我需要爬取每张图片下面对应的文字说明。

代码如下。

#环境配置+初始化driver
option = webdriver.ChromeOptions()
option.add_argument(r"user-data-dir=/Users/yunjiefei/Library/Application Support/Google/Chrome/Default/tmp2")
driver = webdriver.Chrome(executable_path = '/opt/anaconda3/bin/chromedriver',options=option)

url = 'https://www.wsj.com/articles/photos-of-the-day-april-2-1428006374'
driver.get(url) #用模拟浏览器规避反爬
time.sleep(5)
titlename = driver.find_element(By.XPATH,'//*[@id="main"]/header')
source = driver.page_source #模拟浏览器使用beautifulsoup解析
soup = BeautifulSoup(source, 'html.parser') 
idname = soup.find(attrs={'name':'article.id'})['content'] #获取一下idname,可能用到。获取meta数据的方法 attrs={'name':'article.id'})['content']
#titlename = soup.find('div',{'class':'article_header module'})
textlis = []
for image in soup.find_all('img',{'class':'WSJTheme-module--slideshow-img-3g1DH_RVH3q_8Ic61A4cxp'}):
    text = image.get('alt','')
    textlis.append(text)
article = ' '.join(textlis)
content = titlename.text + '\n' + article
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值