快捷導(dǎo)航

Python 爬蟲批量爬取網(wǎng)頁圖片保存到本地的實現(xiàn)代碼

更新時間：2020年12月24日 15:41:28 作者：Guapifang

這篇文章主要介紹了Python 爬蟲批量爬取網(wǎng)頁圖片保存到本地,本文通過實例代碼給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下

其實和爬取普通數(shù)據(jù)本質(zhì)一樣，不過我們直接爬取數(shù)據(jù)會直接返回，爬取圖片需要處理成二進制數(shù)據(jù)保存成圖片格式（.jpg,.png等）的數(shù)據(jù)文本。

現(xiàn)在貼一個url=https://img.ivsky.com/img/tupian/t/201008/05/bianxingjingang-001.jpg
請復(fù)制上面的url直接在某個瀏覽器打開，你會看到如下內(nèi)容：

在這里插入圖片描述

這就是通過網(wǎng)頁訪問到的該網(wǎng)站的該圖片，于是我們可以直接利用requests模塊，進行這個圖片的請求，于是這個網(wǎng)站便會返回給我們該圖片的數(shù)據(jù)，我們再把數(shù)據(jù)寫入本地文件就行，比較簡單。

import requests
headers={
  'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
url='https://img.ivsky.com/img/tupian/t/201008/05/bianxingjingang-001.jpg'
re=requests.get(url,headers=headers)
print(re.status_code)#查看請求狀態(tài)，返回200說明正常
path='test.jpg'#文件儲存地址
with open(path, 'wb') as f:#把圖片數(shù)據(jù)寫入本地，wb表示二進制儲存
      for chunk in re.iter_content(chunk_size=128):
        f.write(chunk)

然后得到test.jpg圖片，如下

在這里插入圖片描述

點擊打開查看如下：

在這里插入圖片描述

便是下載成功辣，很簡單吧。

現(xiàn)在分析下批量下載，我們將上面的代碼打包成一個函數(shù)，于是針對每張圖片，單獨一個名字，單獨一個圖片文件請求，于是有如下代碼：

import requests
def get_pictures(url,path):
  headers={
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'} 
  re=requests.get(url,headers=headers)
  print(re.status_code)#查看請求狀態(tài)，返回200說明正常
  with open(path, 'wb') as f:#把圖片數(shù)據(jù)寫入本地，wb表示二進制儲存
        for chunk in re.iter_content(chunk_size=128):
          f.write(chunk)
url='https://img.ivsky.com/img/tupian/t/201008/05/bianxingjingang-001.jpg'
path='test.jpg'#文件儲存地址
get_pictures(url,path)

現(xiàn)在要實現(xiàn)批量下載圖片，也就是批量獲得圖片的url，那么我們就得分析網(wǎng)頁的代碼結(jié)構(gòu)，打開原始網(wǎng)站https://www.ivsky.com/tupian/bianxingjingang_v622/，會看到如下的圖片：

在這里插入圖片描述

于是我們需要分別得到該頁面中顯示的所有圖片的url，于是我們再次用requests模塊返回當(dāng)前該頁面的內(nèi)容，如下：

import requests
headers={
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
url='https://www.ivsky.com/tupian/bianxingjingang_v622/'
re=requests.get(url,headers=headers)
print(re.text)

運行會返回當(dāng)前該頁面的網(wǎng)頁結(jié)構(gòu)內(nèi)容，于是我們找到和圖片相關(guān)的也就是.jpg或者.png等圖片格式的字條，如下：

在這里插入圖片描述

上面圈出來的**//img.ivsky.com/img/tupian/t/201008/05/bianxingjingang-017.jpg**便是我們的圖片url，不過還需要前面加上https:，于是完成的url就是https://img.ivsky.com/img/tupian/t/201008/05/bianxingjingang-017.jpg。

我們知道了這個結(jié)構(gòu)，現(xiàn)在就是把這個提取出來，寫個簡單的解析式：

import requests
headers={
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
url='https://www.ivsky.com/tupian/bianxingjingang_v622/'
re=requests.get(url,headers=headers)
def get_pictures_urls(text):
  st='img src="'
  m=len(st)
  i=0
  n=len(text)
  urls=[]#儲存url
  while i<n:
    if text[i:i+m]==st:
      url=''
      for j in range(i+m,n):
        if text[j]=='"':
          i=j
          urls.append(url)
          break
        url+=text[j]
    i+=1
  return urls
urls=get_pictures_urls(re.text)
for url in urls:
  print(url)

打印結(jié)果如下：
在這里插入圖片描述

得到了url，現(xiàn)在就直接放入一開始的get_pictures函數(shù)中，爬取圖片辣。

import requests
def get_pictures(url,path):
  headers={
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
  re=requests.get(url,headers=headers)
  print(re.status_code)#查看請求狀態(tài)，返回200說明正常
  with open(path, 'wb') as f:#把圖片數(shù)據(jù)寫入本地，wb表示二進制儲存
        for chunk in re.iter_content(chunk_size=128):
          f.write(chunk)
def get_pictures_urls(text):
  st='img src="'
  m=len(st)
  i=0
  n=len(text)
  urls=[]#儲存url
  while i<n:
    if text[i:i+m]==st:
      url=''
      for j in range(i+m,n):
        if text[j]=='"':
          i=j
          urls.append(url)
          break
        url+=text[j]
    i+=1
  return urls

headers={
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
url='https://www.ivsky.com/tupian/bianxingjingang_v622/'
re=requests.get(url,headers=headers)
urls=get_pictures_urls(re.text)#獲取當(dāng)前頁面所有圖片的url
for i in range(len(urls)):#批量爬取圖片
  url='https:'+urls[i]
  path='變形金剛'+str(i)+'.jpg'
  get_pictures(url,path)

結(jié)果如下：

在這里插入圖片描述