python爬图代码实例_Python爬⾍抓取指定⽹页图⽚代码实例想要爬取指定⽹页中的图⽚主要需要以下三个步骤：
(1)指定⽹站链接，抓取该⽹站的源代码(如果使⽤google浏览器就是按下⿏标右键 -> Inspect-> Elements 中的 html 内容)
(2)根据你要抓取的内容设置正则表达式以匹配要抓取的内容
(3)设置循环列表，重复抓取和保存内容
以下介绍了两种⽅法实现抓取指定⽹页中图⽚
(1)⽅法⼀：使⽤正则表达式过滤抓到的 html 内容字符串php语言 登录别人的qq
# 第⼀个简单的爬取图⽚的程序
quest # python⾃带的爬操作url的库
transition属性什么意思
import re # 正则表达式
# 该⽅法传⼊url，返回url的html的源代码
def getHtmlCode(url):
# 以下⼏⾏注释的代码在本程序中有加没加效果⼀样，但是为了隐藏⾃⼰避免被反爬⾍可以假如这个伪装的头部请求
headers = {
'User-Agent': 'Mozilla/5.0(Linux; Android 6.0; Nexus 5 Build/MRA58N) \
AppleWebKit/537.36(KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36'
}
# 将headers头部添加到url，模拟浏览器访问
url = quest.Request(url, headers=headers)
# 将url页⾯的源代码保存成字符串
page = quest.urlopen(url).read()
# 字符串转码
page = page.decode('UTF-8')
return page
# 该⽅法传⼊html的源代码，通过截取其中的img标签，将图⽚保存到本机
def getImage(page):
# [^\s]*? 表⽰最⼩匹配， 两个括号表⽰列表中有两个元组
# imageList = re.findall(r'(https:[^\s]*?(png))"', page)
imageList = re.findall(r'(https:[^\s]*?(jpg|png|gif))"', page)
x = 0
# 循环列表
for imageUrl in imageList:
try:
print('正在下载: %s' % imageUrl[0])
# 这个image⽂件夹需要先创建好才能看到结果
image_save_path = './image/%d.png' % x
# 下载图⽚并且保存到指定⽂件夹中
html个人网页完整代码图片x = x + 1
except:
continue
pass
if __name__ == '__main__':
# 指定要爬取的⽹站
url = "wwwblogs/ttweixiao-IT-program/p/13324826.html"
# 得到该⽹站的源代码
page = getHtmlCode(url)
# 爬取该⽹站的图⽚并且保存
getImage(page)
# print(page)
注意，代码中需要修改的就是imageList = re.findall(r'(https:[^\s]*?(jpg|png|gif))"', page) 这⼀块内容，如何设计正则表达式需要根据你想要抓取的内容设置。我的设计来源如下：
可以看到，因为这个⽹页上的图⽚都是 png 格式，所以写成imageList = re.findall(r'(https:[^\s]*?(png))"', page)也是可以的。
(2)⽅法⼆：使⽤ BeautifulSoup 库解析 html ⽹页
from bs4 import BeautifulSoup # BeautifulSoup是python处理HTML/XML的函数库，是Python内置的⽹页分析⼯具
路由器native
import urllib # python⾃带的爬操作url的库
# 该⽅法传⼊url，返回url的html的源代码
学校网页设计模板中文版
def getHtmlCode(url):
# 以下⼏⾏注释的代码在本程序中有加没加效果⼀样，但是为了隐藏⾃⼰避免被反爬⾍可以假如这个伪装的头部请求
headers = {
'User-Agent': 'Mozilla/5.0(Linux; Android 6.0; Nexus 5 Build/MRA58N) \
AppleWebKit/537.36(KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36'
}
# 将headers头部添加到url，模拟浏览器访问
url = quest.Request(url, headers=headers)
# 将url页⾯的源代码保存成字符串
page = quest.urlopen(url).read()
# 字符串转码
page = page.decode('UTF-8')
return page
# 该⽅法传⼊html的源代码，通过截取其中的img标签，将图⽚保存到本机
managementobjectsearcher 驱动版本def getImage(page):
# 按照html格式解析页⾯
soup = BeautifulSoup(page, 'html.parser')
# 格式化输出DOM树的内容
print(soup.prettify())
# 返回所有包含img标签的列表，因为在Html⽂件中图⽚的插⼊呈现形式是
imgList = soup.find_all('img')
x = 0
# 循环到的图⽚列表，注意，这⾥⼿动设置从第2张图⽚开始，是因为我debug看到了第⼀张图⽚不是我想要的图⽚
for imgUrl in imgList[1:]:
print('正在下载： %s ' % ('src'))
# 得到scr的内容，这⾥返回的就是Url字符串链接，如'img2020blogs/blog/1703588/202007/1703588-20200716203143042-623499171.png'
image_url = ('src')
# 这个image⽂件夹需要先创建好才能看到结果
image_save_path = './image/%d.png' % x
# 下载图⽚并且保存到指定⽂件夹中
x = x + 1
if __name__ == '__main__':
# 指定要爬取的⽹站
url = 'wwwblogs/ttweixiao-IT-program/p/13324826.html'
# 得到该⽹站的源代码
page = getHtmlCode(url)
# 爬取该⽹站的图⽚并且保存
getImage(page)
这两种⽅法各有利弊，我觉得可以灵活结合使⽤这两种⽅法，⽐如先使⽤⽅法2中指定标签的⽅法缩⼩要寻的内容范围，然后再使⽤正则表达式匹配想要的内容，这样做起来更加简洁明了。
以上就是本⽂的全部内容，希望对⼤家的学习有所帮助，也希望⼤家多多⽀持脚本之家。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。