爬取糗事百科1到5页的图片并下载到本地
Posted haoqirui
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬取糗事百科1到5页的图片并下载到本地相关的知识,希望对你有一定的参考价值。
思路如下:
首先找到图片的节点
<div class="thumb"> <a href="/article/121672165" target="_blank"> <img src="//pic.qiushibaike.com/system/pictures/12167/121672165/medium/NTDNQY3EJKUSRZ2X.jpg" alt="糗事#121672165" class="illustration" width="100%" height="auto"> </a> </div>
找到爬取页面的url
https://www.qiushibaike.com/imgrank/
发起请求拿到响应,略
使用正则表达式来获取图片的src
re.compile(‘<div class="thumb">.*?<img src="(.*?)>".*?</div>‘, re.S)
最后持久化写入文件。
具体代码如下:
import requests import re import os url = "https://www.qiushibaike.com/imgrank/page/" headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/73.0.3683.86 Safari/537.36", } pattern = re.compile(‘<div class="thumb">.*?<img src="(.*?)".*?>.*?</div>‘, re.S) if not os.path.exists("./imgs"): os.mkdir("imgs") # 观察糗事百科的分页url,不需要传入参数 for page in range(1, 6): # 直接更新url切换页面 new_url = url + "%s/" % page response = requests.get(url=new_url, headers=headers) page_text = response.text # 拿到所有图片的链接列表 list_img = pattern.findall(page_text) # 持久化存储 page_path = "pages%s/" % page os.mkdir("imgs/%s" % page_path) for my_url in list_img: # 将图片url补充完整 url_img = "https:" + my_url print(url_img) # 拿到图片的二进制文件 data_img = requests.get(url=url_img, headers=headers).content # 图片的名称 name_img = my_url.split("/")[-1] print(name_img) # 写入到本地的文件的路径 path_img = "imgs/" + page_path + name_img print(path_img) with open(path_img, "wb") as fp: fp.write(data_img)
以上是关于爬取糗事百科1到5页的图片并下载到本地的主要内容,如果未能解决你的问题,请参考以下文章