Python 爬蟲圖片簡單實現(xiàn)

更新時間：2017年06月01日 14:41:56 作者：冰不語

這篇文章主要介紹了Python 爬蟲圖片簡單實現(xiàn)的相關(guān)資料,需要的朋友可以參考下

Python 爬蟲圖片簡單實現(xiàn)

經(jīng)常在逛知乎，有時候希望把一些問題的圖片集中保存起來。于是就有了這個程序。這是一個非常簡單的圖片爬蟲程序，只能爬取已經(jīng)刷出來的部分的圖片。由于對這一部分內(nèi)容不太熟悉，所以只是簡單說幾句然后記錄代碼，不做過多的講解。感興趣的可以直接拿去用。親測對于知乎等網(wǎng)站是可用的。

上一篇分享了通過url打開圖片的方法，目的就是先看看爬取到的圖片時什么樣，然后再篩選一下保存。

這里用到了requests庫來獲取頁面信息，需要注意的是，獲取頁面信息的時候需要一個header，用以把程序偽裝成瀏覽器去訪問服務器，不然可能會被服務器拒絕。然后用BeautifulSoup來過濾多余信息得到圖片地址。得到圖片后，根據(jù)圖片的大小過濾掉一些頭像、表情包之類的小圖片。最后打開或者保存圖片的時候選擇就比較多了，OpenCV，skimage，PIL等都可以。

程序如下：

# -*- coding=utf-8 -*-
import requests as req
from bs4 import BeautifulSoup
from PIL import Image
from io import BytesIO
import os
from skimage import io

url = "https://www.zhihu.com/question/37787176"
headers = {'User-Agent' : 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.96 Mobile Safari/537.36'}
response = req.get(url,headers=headers)
content = str(response.content)
#print content

soup = BeautifulSoup(content,'lxml')
images = soup.find_all('img')
print u"共有%d張圖片" % len(images)

if not os.path.exists("images"):
  os.mkdir("images")

for i in range(len(images)):
  img = images[i]
  print u"正在處理第%d張圖片..." % (i+1)
  img_src = img.get('src')
  if img_src.startswith("http"):
    ## use PIL
    '''
    print img_src
    response = req.get(img_src,headers=headers)
    image = Image.open(BytesIO(response.content))
    w,h = image.size
    print w,h
    img_path = "images/" + str(i+1) + ".jpg"
    if w>=500 and h>500:
      #image.show()
      image.save(img_path)

    '''

    ## use OpenCV
    import numpy as np
    import urllib
    import cv2

    resp = urllib.urlopen(img_src)

    image = np.asarray(bytearray(resp.read()), dtype="uint8")
    image = cv2.imdecode(image, cv2.IMREAD_COLOR)
    w,h = image.shape[:2]
    print w,h
    img_path = "images/" + str(i+1) + ".jpg"
    if w>=400 and h>400:
      cv2.imshow("Image", image)
      cv2.waitKey(3000)
      ##cv2.imwrite(img_path,image)

    ## use skimage

    ## image = io.imread(img_src)
    ## w,h = image.shape[:2]
    ## print w,h
    #io.imshow(image)
    #io.show()

    ## img_path = "images/" + str(i+1) + ".jpg"
    ## if w>=500 and h>500:
      ## image.show()
      ## image.save(img_path)
      ## io.imsave(img_path,image)

print u"處理完成！"

這里給出了多種選擇，供參考。

您可能感興趣的文章: