Python爬虫爬取网页上的所有图片

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：

1. 获取网页中所有图片的链接；
2. 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。