快捷導(dǎo)航

Python爬蟲之網(wǎng)頁圖片抓取的方法

更新時(shí)間：2018年07月16日 17:03:01 作者：JentZhang

最近小編一直在學(xué)習(xí)python的東西，今天小編給大家分享基于python寫的一個(gè)爬蟲程序，能實(shí)現(xiàn)簡(jiǎn)單的網(wǎng)頁圖片下載，具體實(shí)例代碼大家參考下本文

一、引入

這段時(shí)間一直在學(xué)習(xí)Python的東西，以前就聽說Python爬蟲多厲害，正好現(xiàn)在學(xué)到這里，跟著小甲魚的Python視頻寫了一個(gè)爬蟲程序，能實(shí)現(xiàn)簡(jiǎn)單的網(wǎng)頁圖片下載。

二、代碼

__author__ = "JentZhang"
import urllib.request
import os
import random
import re
def url_open(url):
  '''
  打開網(wǎng)頁
  :param url:
  :return:
  '''
  req = urllib.request.Request(url)
  req.add_header('User-Agent',
          'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.75 Safari/537.36')
  # 應(yīng)用代理
  '''
  proxyies = ["111.155.116.237:8123","101.236.23.202:8866","122.114.31.177:808"]
  proxy = random.choice(proxyies)
  proxy_support = urllib.request.ProxyHandler({"http": proxy})
  opener = urllib.request.build_opener(proxy_support)
  urllib.request.install_opener(opener)
  '''
  response = urllib.request.urlopen(url)
  html = response.read()
  return html
def save_img(folder, img_addrs):
  '''
  保存圖片
  :param folder: 要保存的文件夾
  :param img_addrs: 圖片地址（列表）
  :return:
  '''
  # 創(chuàng)建文件夾用來存放圖片
  if not os.path.exists(folder):
    os.mkdir(folder)
  os.chdir(folder)
  for each in img_addrs:
    filename = each.split('/')[-1]
    try:
      with open(filename, 'wb') as f:
        img = url_open("http:" + each)
        f.write(img)
    except urllib.error.HTTPError as e:
      # print(e.reason)
      pass
  print('完畢！')
def find_imgs(url):
  '''
  獲取全部的圖片鏈接
  :param url: 連接地址
  :return: 圖片地址的列表
  '''
  html = url_open(url).decode("utf-8")
  img_addrs = re.findall(r'src="(.+?\.gif)', html)
  return img_addrs
def get_page(url):
  '''
  獲取當(dāng)前一共有多少頁的圖片
  :param url: 網(wǎng)頁地址
  :return:
  '''
  html = url_open(url).decode('utf-8')
  a = html.find("current-comment-page") + 23
  b = html.find("]</span>", a)
  return html[a:b]
def download_mm(url="http://jandan.net/ooxx/", folder="OOXX", pages=1):
  '''
  主程序（下載圖片）
  :param folder:默認(rèn)存放的文件夾
  :param pages: 下載的頁數(shù)
  :return:
  '''
  page_num = int(get_page(url))
  for i in range(pages):
    page_num -= i
    page_url = url + "page-" + str(page_num) + "#comments"
    img_addrs = find_imgs(page_url)
    save_img(folder, img_addrs)
if __name__ == "__main__":
  download_mm()

三、總結(jié)

由于代碼中訪問的網(wǎng)址已經(jīng)運(yùn)用了反爬蟲的算法。所以已經(jīng)爬不到想要的圖片啦，so，就當(dāng)是記了個(gè)爬蟲的筆記吧。僅供學(xué)習(xí)參考[捂臉]。。。。

最后：我把jpg格式換成gif，還能爬到可憐的一張gif圖：