一个咸鱼的Python爬虫之路:爬取网页图片

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了一个咸鱼的Python爬虫之路:爬取网页图片相关的知识,希望对你有一定的参考价值。

学完Requests库与Beautifulsoup库我们今天来实战一波,爬取网页图片。依照现在所学只能爬取图片在html页面的而不能爬取由javascript生成的图。
所以我找了这个网站http://www.ivsky.com

 

网站里面有很多的图集,我们就找你的名字这个图集来爬取

 

技术分享
 
http://www.ivsky.com/bizhi/yourname_v39947/
来看看这个页面的源代码:
技术分享

可以看到我们想抓取的图片信息在<li> 里面然后图片地址在img里面那么我们这里可以用BeautifulSoup库方法来解析网页并抓取图片信息。

soup =BeautifulSoup(html,html.parser)
    all_img=soup.find_all(img)
    for img in all_img:
       src=img[src]


url方面我们用requests库去获取:

def getHtmlurl(url):         #获取网址
    try:
       r=requests.get(url)
       r.raise_for_status()
       r.encoding=r.apparent_encoding
       return r.text
    except:
        return ""

我们要将图片下载下来并存在本地:

       try:                              #创建或判断路径图片是否存在并下载
           if not os.path.exists(root):
               os.mkdir(root)
           if not os.path.exists(path):
               r = requests.get(img_url)
               with open(path, wb) as f:
                   f.write(r.content)
                   f.close()
                   print("文件保存成功")
           else:
               print("文件已存在")
       except:
           print("爬取失败")


整个爬虫的框架与思路:

import requests
from bs4 import BeautifulSoup
import os

def getHtmlurl(url):  #获取网址
pass

def getpic(html): #获取图片地址并下载
pass

def main(): 主函数
pass


这里给出完整代码

import requests
from bs4 import BeautifulSoup
import os

def getHtmlurl(url):         #获取网址
    try:
       r=requests.get(url)
       r.raise_for_status()
       r.encoding=r.apparent_encoding
       return r.text
    except:
        return ""

def getpic(html): #获取图片地址并下载
    soup =BeautifulSoup(html,html.parser)
    all_img=soup.find_all(img)
    for img in all_img:
       src=img[src]
       img_url=src
       print (img_url)
       root=D:/pic/
       path = root + img_url.split(/)[-1]
       try:                              #创建或判断路径图片是否存在并下载
           if not os.path.exists(root):
               os.mkdir(root)
           if not os.path.exists(path):
               r = requests.get(img_url)
               with open(path, wb) as f:
                   f.write(r.content)
                   f.close()
                   print("文件保存成功")
           else:
               print("文件已存在")
       except:
           print("爬取失败")



def main():
    url=http://www.ivsky.com/bizhi/yourname_v39947/
    html=(getHtmlurl(url))

    print(getpic(html))
main()


运行代码:

技术分享
我们可以看到图片都保存在本地了
技术分享
技术分享这就是简单的实战案列,大家可以自己试试。

 






以上是关于一个咸鱼的Python爬虫之路:爬取网页图片的主要内容,如果未能解决你的问题,请参考以下文章

一个咸鱼的Python爬虫之路:将爬取数据存入mysql

Python——网络爬虫(爬取网页图片)

一个咸鱼的Python爬虫之路:requests库

怎么用python爬虫爬取可以加载更多的网页

python——爬取图片(shutter图片网)

想用python爬取网页上的图片,但无法用select()方法定位图片的源地址?