python爬蟲爬取網(wǎng)頁圖片

這篇具有很好參考價(jià)值的文章主要介紹了python爬蟲爬取網(wǎng)頁圖片。希望對(duì)大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方，請(qǐng)大家不吝賜教，您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問。

一：爬蟲基礎(chǔ)

二：安裝html解析的python工具

三：爬取網(wǎng)頁圖片

一：爬蟲基礎(chǔ)

爬蟲基本過程：

1.請(qǐng)求標(biāo)頭 headers

2.創(chuàng)建一個(gè)會(huì)話 requests.Session

3.確定請(qǐng)求的路徑

4.根據(jù)路徑獲取網(wǎng)頁資源(HTML文件)

5.解析html文件BeautifulSoup div a 標(biāo)簽獲取對(duì)應(yīng)的圖片

6.建立網(wǎng)絡(luò)連接進(jìn)行下載? 創(chuàng)建出下載的圖片

了解基本HTML結(jié)構(gòu)

保存帶有圖片的網(wǎng)頁

查找?guī)в衐ata-imgurl屬性的標(biāo)簽獲取url

<html>
       <head></head>
       <body></body>
</html>

頭：引用資源

體：包含一切標(biāo)簽

可以 F12 或者 ctrl+shift+i 打開控制臺(tái)，查看網(wǎng)頁代碼，獲取自己想要的信息

python爬蟲爬取圖片代碼,python,爬蟲,開發(fā)語言

二：安裝html解析的python工具

具體可以參考下面的這篇文章：

https://blog.csdn.net/m0_56051805/article/details/128407402

三：爬取網(wǎng)頁圖片

以爬取百度網(wǎng)頁圖片為例，大致實(shí)現(xiàn)如下

根據(jù)地址查找對(duì)應(yīng)圖片的信息：

# 根據(jù)地址去查找 對(duì)應(yīng)的圖片的信息
def Find(url, A):
    global List  # 保存信息的列表
    print('正在檢測(cè)圖片總數(shù)，請(qǐng)稍等.....')
    t = 0
    i = 1
    s = 0
    while t < 1000:
        # 時(shí)間戳 不簡(jiǎn)單刷新訪問網(wǎng)址
        Url = url + str(t)
        try:
            # get獲取數(shù)據(jù)
            Result = A.get(Url, timeout=7, allow_redirects=False)
        except BaseException:
            t = t + 60
            continue
        else:
            # 拿到網(wǎng)站的數(shù)據(jù)
            result = Result.text
            # 找到圖片url
            pic_url = re.findall('"objURL":"(.*?)",', result, re.S)
            # 圖片總數(shù)
            s += len(pic_url)
            if len(pic_url) == 0:
                break
            else:
                List.append(pic_url)
                t = t + 60
    return s

記錄下相關(guān)的數(shù)據(jù)信息：

# 記錄相關(guān)數(shù)據(jù)
def recommend(url):
    Re = []
    try:
        html = requests.get(url, allow_redirects=False)
    except error.HTTPError as e:
        return
    else:
        html.encoding = 'utf-8'
        # html文件解析
        bsObj = BeautifulSoup(html.text, 'html.parser')
        div = bsObj.find('div', id='topRS')
        if div is not None:
            listA = div.findAll('a')
            for i in listA:
                if i is not None:
                    Re.append(i.get_text())
        return Re

對(duì)相應(yīng)網(wǎng)頁的圖片進(jìn)行下載：

# 下載圖片
def dowmloadPicture(html, keyword):
    global num
    # 找到圖片url
    pic_url = re.findall('"objURL":"(.*?)",', html, re.S)
    print('找到關(guān)鍵詞:' + keyword + '的圖片，開始下載圖片....')
    for each in pic_url:
        print('正在下載第' + str(num + 1) + '張圖片，圖片地址:' + str(each))
        try:
            if each is not None:
                pic = requests.get(each, timeout=7)
            else:
                continue
        except BaseException:
            print('錯(cuò)誤，當(dāng)前圖片無法下載')
            continue
        else:
            string = file + r'\\' + str(num) + '.jpg'
            fp = open(string, 'wb')
            fp.write(pic.content)
            fp.close()
            num += 1
        if num >= numPicture:
            return

偽裝成瀏覽器向網(wǎng)頁提取服務(wù)：

if __name__ == '__main__':  # 主函數(shù)入口
    # 模擬瀏覽器 請(qǐng)求數(shù)據(jù) 偽裝成瀏覽器向網(wǎng)頁提取服務(wù)
    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'
    }

    # 創(chuàng)建一個(gè)請(qǐng)求的會(huì)話
    A = requests.Session()
    # 設(shè)置頭部信息
    A.headers = headers

    word = input("輸入要搜索的關(guān)鍵詞:")
    # 拼接路徑
    url = 'https://image.baidu.com/search/flip?ct=201326592&cl=2&st=-1&lm=-1&nc=1&ie=utf-8&tn=baiduimage&ipn=r&rps=1&pv=&fm=rs1&word=' + word

    # 根據(jù)路徑去查找
    total = Find(url, A)
    # 記錄相關(guān)推薦圖片
    Recommend = recommend(url)
    print('經(jīng)過檢測(cè)%s類圖片共有%d張' % (word, total))

    numPicture = int(input('輸入要下載的數(shù)量'))
    file = input('請(qǐng)建立一個(gè)存儲(chǔ)圖片的文件夾，輸入文件夾名稱即可: ')
    y = os.path.exists(file)
    if y == 1:
        print('該文件已存在，請(qǐng)重新輸入')
        file = input('請(qǐng)建立一個(gè)存儲(chǔ)圖片的文件夾，)輸入文件夾名稱即可: ')
        os.mkdir(file)
    else:
        os.mkdir(file)

    t = 0
    tmp = url

    while t < numPicture:
        try:
            url = tmp + str(t)
            result = requests.get(url, timeout=10)
            print(url)
        except error.HTTPError as e:
            print('網(wǎng)絡(luò)錯(cuò)誤，請(qǐng)調(diào)整網(wǎng)絡(luò)后重試')
            t = t + 60
        else:
            dowmloadPicture(result.text, word)
            t = t + 60

測(cè)試過程如下

1 輸入要搜索的圖片，可以檢索網(wǎng)頁圖片的數(shù)量

python爬蟲爬取圖片代碼,python,爬蟲,開發(fā)語言

2 輸入自己想要下載的圖片數(shù)量，同時(shí)創(chuàng)建一個(gè)存儲(chǔ)下載圖片的文件夾

python爬蟲爬取圖片代碼,python,爬蟲,開發(fā)語言

3 等待下載完即可

python爬蟲爬取圖片代碼,python,爬蟲,開發(fā)語言

4 到新創(chuàng)建的文件夾下可以查看到，網(wǎng)頁上獲取到的圖片已經(jīng)下載

python爬蟲爬取圖片代碼,python,爬蟲,開發(fā)語言

文章學(xué)習(xí)自：?學(xué)術(shù)菜鳥小晨博主的文章

百度，搜狗，360網(wǎng)絡(luò)爬圖

完整源碼分享如下文章來源地址http://www.zghlxwxcb.cn/news/detail-781493.html

import re
import requests
from urllib import error
from bs4 import BeautifulSoup
import os

num = 0
numPicture = 0
file = ''
List = []


# 根據(jù)地址去查找 對(duì)應(yīng)的圖片的信息
def Find(url, A):
    global List  # 保存信息的列表
    print('正在檢測(cè)圖片總數(shù)，請(qǐng)稍等.....')
    t = 0
    i = 1
    s = 0
    while t < 1000:
        # 時(shí)間戳 不簡(jiǎn)單刷新訪問網(wǎng)址
        Url = url + str(t)
        try:
            # get獲取數(shù)據(jù)
            Result = A.get(Url, timeout=7, allow_redirects=False)
        except BaseException:
            t = t + 60
            continue
        else:
            # 拿到網(wǎng)站的數(shù)據(jù)
            result = Result.text
            # 找到圖片url
            pic_url = re.findall('"objURL":"(.*?)",', result, re.S)
            # 圖片總數(shù)
            s += len(pic_url)
            if len(pic_url) == 0:
                break
            else:
                List.append(pic_url)
                t = t + 60
    return s


# 記錄相關(guān)數(shù)據(jù)
def recommend(url):
    Re = []
    try:
        html = requests.get(url, allow_redirects=False)
    except error.HTTPError as e:
        return
    else:
        html.encoding = 'utf-8'
        # html文件解析
        bsObj = BeautifulSoup(html.text, 'html.parser')
        div = bsObj.find('div', id='topRS')
        if div is not None:
            listA = div.findAll('a')
            for i in listA:
                if i is not None:
                    Re.append(i.get_text())
        return Re


# 下載圖片
def dowmloadPicture(html, keyword):
    global num
    # 找到圖片url
    pic_url = re.findall('"objURL":"(.*?)",', html, re.S)
    print('找到關(guān)鍵詞:' + keyword + '的圖片，開始下載圖片....')
    for each in pic_url:
        print('正在下載第' + str(num + 1) + '張圖片，圖片地址:' + str(each))
        try:
            if each is not None:
                pic = requests.get(each, timeout=7)
            else:
                continue
        except BaseException:
            print('錯(cuò)誤，當(dāng)前圖片無法下載')
            continue
        else:
            string = file + r'\\' + str(num) + '.jpg'
            fp = open(string, 'wb')
            fp.write(pic.content)
            fp.close()
            num += 1
        if num >= numPicture:
            return


if __name__ == '__main__':  # 主函數(shù)入口
    # 模擬瀏覽器 請(qǐng)求數(shù)據(jù) 偽裝成瀏覽器向網(wǎng)頁提取服務(wù)
    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'
    }

    # 創(chuàng)建一個(gè)請(qǐng)求的會(huì)話
    A = requests.Session()
    # 設(shè)置頭部信息
    A.headers = headers

    word = input("輸入要搜索的關(guān)鍵詞:")
    # 拼接路徑
    url = 'https://image.baidu.com/search/flip?ct=201326592&cl=2&st=-1&lm=-1&nc=1&ie=utf-8&tn=baiduimage&ipn=r&rps=1&pv=&fm=rs1&word=' + word

    # 根據(jù)路徑去查找
    total = Find(url, A)
    # 記錄相關(guān)推薦圖片
    Recommend = recommend(url)
    print('經(jīng)過檢測(cè)%s類圖片共有%d張' % (word, total))

    numPicture = int(input('輸入要下載的數(shù)量'))
    file = input('請(qǐng)建立一個(gè)存儲(chǔ)圖片的文件夾，輸入文件夾名稱即可: ')
    y = os.path.exists(file)
    if y == 1:
        print('該文件已存在，請(qǐng)重新輸入')
        file = input('請(qǐng)建立一個(gè)存儲(chǔ)圖片的文件夾，)輸入文件夾名稱即可: ')
        os.mkdir(file)
    else:
        os.mkdir(file)

    t = 0
    tmp = url

    while t < numPicture:
        try:
            url = tmp + str(t)
            result = requests.get(url, timeout=10)
            print(url)
        except error.HTTPError as e:
            print('網(wǎng)絡(luò)錯(cuò)誤，請(qǐng)調(diào)整網(wǎng)絡(luò)后重試')
            t = t + 60
        else:
            dowmloadPicture(result.text, word)
            t = t + 60

到了這里，關(guān)于python爬蟲爬取網(wǎng)頁圖片的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！