這個是我在上網(wǎng)找資料的時候，發(fā)現(xiàn)下載資料PDF居然要付費，然后我查看網(wǎng)頁源代碼發(fā)現(xiàn)它網(wǎng)頁的資料都是PDF的png格式，每一個圖片都是寫在一個DIV標簽里面的，手動操作肯定比較復雜，（說明，博主我是學C++的，對python不是很懂），我知道python肯定可以實現(xiàn)這事，于是馬上學習了一波。

一、需求分析

網(wǎng)頁的頁面源代碼如下圖所示，它的每一個<div>標簽里面的img的URL就是資料的內(nèi)容，可以直接通過URL來打開資料圖片，然后“另存為”即可，但是手動操作太麻煩了（當然有同學說直接用爬蟲，也可以哈，但是我沒用），要是能自動化批量給它一個全是URL的文本文件，讓python幫我逐一打開然后按照順序命好名稱逐一保存到本地文件就好了。

但是網(wǎng)頁源碼是HTML格式的，手動提取網(wǎng)頁源碼的URL也太慢了，所以我們還需要一個python函數(shù)來幫我們從給定的HTML的文本文件里面提取出URL按行保存到指定文本文件里。

二、從HTML中提取可用URL

1、先在項目目錄下新建一個文本文件命名為html.txt。

2、將網(wǎng)頁源碼中所需要的地方復制到html.txt中。如下圖所示

3、新建一個py文件，在里面寫具體實現(xiàn)，通過觀察發(fā)現(xiàn)所有目標URL均以png結尾，可以使用正則表達式匹配，取出目標URL 。然后保存到指定的文本文件HTTP.txt中。代碼如下：

import re

# 打開HTML文件
with open('html.txt', 'r') as file:
    html_content = file.read()

# 使用正則表達式提取URL
pattern = r'<img\s+data-src="([^"]+\.png)"'
urls = re.findall(pattern, html_content)

# 將URL保存到http.txt文件中
with open('HTTP.txt', 'w') as file:
    for url in urls:
        file.write(url + '\n')

4、執(zhí)行完成后我們就得到了全是目標URL的一個文本文件了 

三、批量執(zhí)行URL按序保存到本地

1、打開HTTP.txt文件，按行取出URL，打開URL判斷是否能正常打開，不需要執(zhí)行瀏覽器打開這一操作，只需要得到返回值即可。

2、需要URL的順序和保存的png一一對應，比如第一行URL對應圖png1，所以考慮按序命名，設置計數(shù)器。根據(jù)計算器生成png文件的名稱。

3、保存到指定文件夾，且命名好。

import requests

# 創(chuàng)建一個計數(shù)器
count = 1

# 打開網(wǎng)址文件
with open('HTTP.txt', 'r') as file:
    # 逐行讀取網(wǎng)址
    for line in file:
        url = line.strip()  # 去除行尾的換行符和空格

        # 下載圖片并保存到本地
        response = requests.get(url)
        if response.status_code == 200:
            # 生成圖片文件名
            filename = f'{count}.jpg'

            # 保存到桌面文件夾
            save_path = f'F:/桌面文件夾/tupian/{filename}'
            with open(save_path, 'wb') as image_file:
                image_file.write(response.content)
            print(f'Saved image: {save_path}')

            # 增加計數(shù)器
            count += 1
        else:
            print(f'Failed to download image from {url}')

4、運行代碼，查看結果。如圖

到此這篇關于python批量處理URL并提取內(nèi)容且按序保存到本地的文章就介紹到這了,更多相關python處理URL并提取內(nèi)容內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論