一. 前言
以该网页(链接)为例,上面有图片形式的PPT内容,我的目的是将所有图片下载下来保存到本地,如果鼠标一张一张点击下载效率很低,于是可以用爬虫批量爬取图片。
采用爬虫爬取网页中的图片主要分为两个步骤:
- 获取网页中所有图片的链接;
- 下载图片对应链接并保存在本地。
接下来我将分别从以上两个步骤讲解图片爬取过程。
二. 获取图片链接
在网页中按下键盘右上角的
F12
,找到网页的
Html
,如图所示:
当我们的鼠标在
Html
上移动时,左边对应位置处将会变成蓝色。在
Html
中查找
img
,直到看到左边图片对应的部分变成蓝色了,就说明找到了该图片对应的
Html
语句,如图所示:
展开
Html
语句,可以看到里面包含了图片的链接:
其他图片链接的位置同理,可以发现他们都有一个共同点,那就是图片的链接都出现在
data-src=
和
data-type=
之间,利用正则表达式即可获取所有图片的链接。
三. 批量下载图片
这部分比较简单,只需要循环访问图片链接,下载后保存到本地即可。
完整程序如下所示:
# -*- coding: utf-8 -*-import re
import requests
from urllib import error
from bs4 import BeautifulSoup
import os
file=''
List =[]#爬取图片链接defFind(url, A):global List
print('正在检测图片总数,请稍等.....')
s =0try:
Result = A.get(url, timeout=7, allow_redirects=False)except BaseException:print("error");else:
result = Result.text
pic_url = re.findall('data-src="(.*?)" data-type', result)# 先利用正则表达式找到图片url
s +=len(pic_url)iflen(pic_url)==0:print("没读到")else:
List.append(pic_url)return s
#下载图片defdowmloadPicture():
num =1for each in List[0]:print('正在下载第'+str(num)+'张图片,图片地址:'+str(each))try:if each isnotNone:
pic = requests.get(each, timeout=7)else:continueexcept BaseException:print('错误,当前图片无法下载')continueelse:iflen(pic.content)<200:continue
string =file+r'\\'+str(num)+'.jpg'
fp =open(string,'wb')
fp.write(pic.content)
fp.close()
num+=1if __name__ =='__main__':# 主函数入口
headers ={'Accept-Language':'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2','Connection':'keep-alive','User-Agent':'Mozilla/5.0 (X11; Linux x86_64; rv:60.0) Gecko/20100101 Firefox/60.0','Upgrade-Insecure-Requests':'1'}
A = requests.Session()
A.headers = headers
url ='https://mp.weixin.qq.com/s/An0nKnwlml9gvyUDyT65zQ'
total = Find(url, A)print('经过检测图片共有%d张'%(total))file=input('请建立一个存储图片的文件夹,输入文件夹名称即可: ')
y = os.path.exists(file)if y ==1:print('该文件已存在,请重新输入')file=input('请建立一个存储图片的文件夹,)输入文件夹名称即可: ')
os.mkdir(file)else:
os.mkdir(file)
dowmloadPicture()print('当前爬取结束,感谢使用')
程序使用时仅需要修改网址链接即可,必要时需要修改正则表达式。
版权归原作者 卡卡南安 所有, 如有侵权,请联系我们删除。