首页 > 编程 > Python > 正文

Python3.x爬虫下载网页图片的实例讲解

2020-01-04 15:00:33
字体:
来源:转载
供稿:网友

一、选取网址进行爬虫

本次我们选取pixabay图片网站

url=https://pixabay.com/

Python3.x,爬虫,下载网页图片

Python3.x,爬虫,下载网页图片

二、选择图片右键选择查看元素来寻找图片链接的规则

Python3.x,爬虫,下载网页图片

Python3.x,爬虫,下载网页图片

通过查看多个图片路径我们发现取src路径都含有 https://cdn.pixabay.com/photo/ 公共部分且图片格式都为.jpg 因此正则表达式

re.compile(r'^https://cdn.pixabay.com/photo/.*?jpg$') 

通过以上的分析我们可以开始写程序了

#-*- coding:utf-8 -*-import reimport requestsimport osfrom bs4 import BeautifulSoupurl = 'https://pixabay.com/'html = requests.get(url).text #获取网页内容print(html)# 这里由于有些图片可能存在网址打不开的情况,加个5秒超时控制。#data-objurl="http://pic38.nipic.com/20140218/17995031_091821599000_2.jpg"获取这种类型链接soup = BeautifulSoup(html,'html.parser',from_encoding='utf-8')#^abc.*?qwe$pic_url = soup.find_all('img',src=re.compile(r'^https://cdn.pixabay.com/photo/.*?jpg$'))#pic_url = pic_node.get_text()#pic_url = re.findall('"https://cdn.pixabay.com/photo/""(.*?)",',html,re.S)print(pic_url)i = 0#判断image文件夹是否存在,不存在则创建if not os.path.exists('image'): os.makedirs('image')for url in pic_url: img = url['src'] try: pic = requests.get(img,timeout=5) #超时异常判断 5秒超时 except requests.exceptions.ConnectionError: print('当前图片无法下载') continue file_name = "image/"+str(i)+".jpg" #拼接图片名 print(file_name) #将图片存入本地 fp = open(file_name,'wb') fp.write(pic.content) #写入图片 fp.close() i+=1

代码是不是很简单呢 如果你想修改地址 取爬取别的网站 请注意分析下载图片路径的共性 并设计合理的正则表达式,否则是无法获取到图片路径的

执行过程截图:

Python3.x,爬虫,下载网页图片

以上这篇Python3.x爬虫下载网页图片的实例讲解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持VEVB武林网。


注:相关教程知识阅读请移步到python教程频道。
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表