python爬蟲入門教程：爬取網頁圖片

在現在這個信息爆炸的時代，要想高效的獲取數據，爬蟲是非常好用的。而用python做爬蟲也十分簡單方便，下麵通過一個簡單的小爬蟲程式來看一看寫爬蟲的基本過程：

首先是要用到的庫，因為是剛入門最簡單的程式，我們主要就用到下麵這兩：

import requests //用於請求網頁
import re  //正則表達式，用於解析篩選網頁中的信息

其中re是python自帶的，requests庫需要我們自己安裝，在命令行中輸入pip install requests即可。

然後隨便找一個網站，註意不要嘗試爬取隱私敏感信息，這裡找了個表情包網站：

註：此處表情包網站中的內容本來就可以免費下載，所以爬蟲只是簡化了我們一個個點的流程，註意不能去爬取付費資源。

我們要做的就是通過爬蟲把這些表情包下載到我們電腦里。

編寫爬蟲程式

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)  //請求網頁

其中之所以要加headers這一段是因為有些網頁會識別到你是通過python請求的然後把你拒絕，所以我們要換個正常的請求頭。可以隨便找一個或者f12從網路信息里複製一個。

然後我們要找到我們要爬取的圖片在網頁代碼里的位置，f12查看源代碼，找到表情包如下：

 然後建立匹配規則，用正則表達式把中間那串替換掉，最簡單的就是.*?

t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'

 像這樣。

然後就可以調用re庫里的findall方法把相關內容爬下來了：

result = re.findall(t, response.text)

返回的內容是由字元串組成的列表，最後我們經由爬到的地址通過python語句把圖片下下來保存到文件夾里就行了。

程式代碼

import requests
import re
import os
 
image = '表情包'
if not os.path.exists(image):
    os.mkdir(image)
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
response.encoding = 'utf-8'
print(response.request.headers)
print(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
result = re.findall(t, response.text)
for img in result:
    print(img)
    res = requests.get(img[0])
    print(res.status_code)
    s = img[0].split('.')[-1]  #截取圖片尾碼，得到表情包格式，如jpg ，gif
    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
        file.write(res.content)

最後結果就是這個樣子：