python3 requests库实现多图片爬取教程

Python  /  管理员 发布于 7年前   238

最近对爬虫比较感兴趣，所以就学了一下，看人家都在网上爬取那么多美女图片养眼，我也迫不及待的试了一下，不多说，切入正题。

其实爬取图片和你下载图片是一个样子的，都是操作链接，也就是url，所以当我们确定要爬取的东西后就要开始寻找url了，所以先打开百度图片搜一下

然后使用浏览器F12进入开发者模式，或者右键检查元素

注意看xhr，点开观察有什么不一样的（如果没有xhr就在网页下滑）

第一个是这样的

第二个是这样的

注意看，pn是不是是30的倍数，而此时网页图片的数量也在增多，发现了这个，进url看一下，首先看原网页源码

view-source:http://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=index&fr=&hs=0&xthttps=111121&sf=1&fmq=&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&word=%E7%BE%8E%E5%A5%B3&oq=%E7%BE%8E%E5%A5%B3&rsp=-1

再看看两个Requests URL的页面，发现都是这样的

不用管他，找我们要的信息，ObjURL，"ObjURL":"http:\/\/image.tianjimedia.com\/uploadimages\/2015\/131\/34\/545szi3x5s84_680x500.jpg"

就是这个，好，现在东西都找到在哪了，写程序咯

import reimport requestsimport os name=input('输入文件夹名称:')robot='C:/Users/lenovo/Desktop/'+name+'/'kv={'user-agent':'mozilla/5.0'} #获取url对应的源码页面def getHTMLText(url): try:  r=requests.get(url,timeout=30,headers=kv)  r.raise_for_status()  r.encoding=r.apparent_encoding  return r.text except:  return '' #解析url源码页面def parserHTML(html):#正则表达式为获取ObjURL pattern=r'"ObjURL":"(.*?)"' reg=re.compile(pattern) urls=re.findall(reg,html) return urls #下载图片def download(List): for url in List:  try:   path=robot+url.split('/')[-1]   url=url.replace('\\','')   r=requests.get(url,timeout=30)   r.raise_for_status()   r.encoding=r.apparent_encoding   if not os.path.exists(robot):    os.makedirs(robot)   if not os.path.exists(path):    with open(path,'wb') as f:     f.write(r.content)     f.close()     print(path+' 文件保存成功')   else:    print('文件已经存在')  except:   continue #通过Requests URL请求到更多的url源码页面def getmoreurl(num,word): ur=[] url=r'http://image.baidu.com/search/acjson?tn=resultjson_com&ipn=rj&ct=201326592&is=&fp=result&queryWord={word}&cl=2&lm=-1&ie=utf-8&oe=utf-8&adpicid=&st=-1&z=&ic=0&word={word}&s=&se=&tab=&width=&height=&face=0&istype=2&qc=&nc=1&fr=&cg=girl&pn={pn}&rn=30' for x in range(1,num+1):#word为搜索关键词，num为想获取的页面数量  u=url.format(word=word,pn=30*x)  ur.append(u) return ur def main(): n=int(input('输入想下载多少张图片(n*30)：')) word=input('输入想下载的图片:')#初始页面url url='http://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1499773676062_R&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&word={word}'.format(word=word) html=getHTMLText(url) urls=parserHTML(html) download(urls)#下面操作获取的更多页面图片 url1=getmoreurl(n,word) for i in range(n):  html1=getHTMLText(url1[i])  urls1=parserHTML(html1)  download(urls1) main()

然后试一试效果

我知道你们会原谅我的

以上这篇python3 requests库实现多图片爬取教程就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。