Python超简单的爬取网站中图片

2023-07-20 09:21:40

1、首先导入相关库

import requests
import bs4
import threading #用于多线程爬虫，爬取速度快，可以完成多页爬取
import os

2、使用bs4获取html中的内容

所爬取的网站：http://www.umei.cc/bizhitupian/diannaobizhi/1.htm 这只是第一页中的图片当然可以批量爬取里面所有的图片

bs = bs4.BeautifulSoup(requests.get(r"http://www.umei.cc/bizhitupian/diannaobizhi/1.htm").text)

到这一步我们就已经拿到了该页面的HTML了，发现输出的HTML有点乱码，这时我们可以改良一下我们的代码

import bs4
import requests
import os
req = requests.get(r"http://www.umei.cc/bizhitupian/diannaobizhi/1.htm")
req.encoding="utf-8"
bs = bs4.BeautifulSoup(req.text)

这样可以解决爬取出来的HTML乱码的问题

3、拿到HTML后就进行匹配我们所需要的图片标签

obj = bs.find_all("a",{"class":{"TypeBigPics"}}) #a代表的是<a>标签 class是<a>标签中所对应的class  TypeBigPics为<a>标签中class中对应的值，根据class中的值找出对应图片的<a>标签

这时就拿到了图片所对应的所有的<a>标签 find_all()取去出所有匹配的对象，find()则是取出一条

4、接着取出<a>标签里面的所有img标签

imgObj=[] #用于存储img对象
for s in obj:
    imgObj.append(s.find("img")) #把取出的img对象存入imgObj数组中

5、接着获取img标签中src中的值

srcObj=[] #用于存储图片src对象for o in imgObj:
    srcObj.append(o.get("src"))

这时我们就得到了网页上所有图片的文件路径，下一步就可以进行下载这些图片了

6、下载图片

for img in srcObj:
    with open("D:\\Images\\"+os.path.basename(img),'wb') as f:
        f.write(requests.get(img).content)
    print(os.path.basename(img)+"保存成功")

srcObj为上面所拿到的图片地址，D:\\Images\\为本地保存目录注意：要用双斜杠 os.path.basename(img)为图片原文件名也可替换成自己设置文件名到这里简单的爬虫就已经结束了

7、全部代码如下

import bs4
import requests
import os
req = requests.get(r"http://www.umei.cc/bizhitupian/diannaobizhi/1.htm")
req.encoding="utf-8"
bs = bs4.BeautifulSoup(req.text)
obj = bs.find_all("a",{"class":{"TypeBigPics"}})
objHtml=[]
objImg=[]
for s in obj:
    objHtml.append(s.find("img"))
for o in objHtml:
    objImg.append(o.get("src"))
for img in objImg:
    with open("D:\\pics22223\\"+os.path.basename(img),'wb') as f:
        f.write(requests.get(img).content)
    print(os.path.basename(img)+"保存成功");

8、使用多线程爬取此站所有的图片

这里就直接上源码了

import bs4
import requests
import os
import threading
def ojue(i):
    bs = bs4.BeautifulSoup(requests.get(r"http://www.umei.cc/bizhitupian/diannaobizhi/"+i+".htm").text)
    obj = bs.find_all("a",{"class":{"TypeBigPics"}})
    objHtml=[]
    ImgObj=[]
    for f in obj:
        objHtml.append(f.get("href"))
    for z in objHtml:
        htmlText = bs4.BeautifulSoup(requests.get(z).text)
        Img = htmlText.find_all("img")
        for c in Img:
            ImgObj.append(c.get("src"))
            for img in ImgObj:
                with open("D:\\pics22223\\"+os.path.basename(img),'wb') as f:
                    f.write(requests.get(img).content)
                print(os.path.basename(img)+"保存成功")for i in range(627): #range()从0开始取到627
    threading.Thread(target=ojue,args=(i+1,)).start() #target 参数是对应的函数名称

码农公寓