您好,登錄后才能下訂單哦!
本篇文章為大家展示了Python下載網(wǎng)絡(luò)圖片的方法,代碼簡明扼要并且容易理解,絕對能使你眼前一亮,通過這篇文章的詳細(xì)介紹希望你能有所收獲。
通過pic_url單個/批量下載
已知圖片url,例如http://xyz.com/series-*(1,2..N).jpg,共N張圖片,其鏈接形式較為固定,這樣經(jīng)簡單循環(huán),直接通過`f.write(requests.get(url).content)'即可以二進(jìn)制形式將圖片寫入。
import os import requests def download(file_path, picture_url): headers = { "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36 QIHU 360SE", } r = requests.get(picture_url, headers=headers) with open(file_path, 'wb') as f: f.write(r.content) def main(): os.makedirs('./pic/', exist_ok=True) # 輸出目錄 prefix_url = 'http://xyz.com/series-' # 同一類目下的圖片url前綴 n = 6 # 該類目下的圖片總數(shù) tmp = prefix_url.split('/')[-1] for i in range(1, n + 1): file_path = './pic/' + tmp + str(i) + '.jpg' picture_url = prefix_url + str(i) + '.jpg' download(file_path, picture_url) if __name__ == '__main__': main()
正則re解析html獲取pic_url后下載
在實(shí)際操作中,圖片url按序排列情況較少,多數(shù)情況下用戶僅知道網(wǎng)頁url,需要對當(dāng)前網(wǎng)頁htnl內(nèi)容進(jìn)行解析,獲取源碼中包含的圖片url,常用方法有正則表達(dá)式匹配或BeautifulSoup等庫解析的方法。
正則re解析的思路是:首先通過 requests.get(url).text 獲得當(dāng)前頁面html源碼;然后通過正則表達(dá)式匹配圖片url,如 re.compile(r'[a-zA-z]+://[^\s]*\.jpg') 正則式一般會得到.jpg結(jié)尾的url,但其他網(wǎng)站圖片url可能會以.png或.webp等結(jié)尾,甚至需要其他的正則匹配,為此,讀者需要對正則表達(dá)式有所了解,強(qiáng)烈推薦 正則表達(dá)式30分鐘入門教程 ;將前一步得到的圖片url加入列表,進(jìn)行下載。
import os import re import requests def get_html(url): headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36 ", } html = requests.get(url, headers=headers).text return html def parse_html(html_text): picre = re.compile(r'[a-zA-z]+://[^\s]*\.jpg') # 本正則式得到.jpg結(jié)尾的url pic_list = re.findall(picre, html_text) return pic_list def download(file_path, pic_url): headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36 ", } r = requests.get(pic_url, headers=headers) with open(file_path, 'wb') as f: f.write(r.content) def main(): # 使用時修改url即可 url = 'http://xyz.com/series' html_text = get_html(url) pic_list = parse_html(html_text) os.makedirs('./pic/', exist_ok=True) # 輸出目錄 for pic_url in pic_list: file_name = pic_url.split('/')[-1] file_path = './pic/' + file_name download(file_path, pic_url) if __name__ == '__main__': main()
通過bs4獲取pic_url
與正則匹配思路類似,只不過通過Beautiful Soup解析html獲得圖片url列表,然后依次下載圖片。由于各網(wǎng)站html結(jié)構(gòu)有差異,用戶需要自行進(jìn)行適當(dāng)修改。以下代碼是對豆瓣圖片的下載。
import os import time import requests from bs4 import BeautifulSoup def get_html(url): headers = { 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36', } html = requests.get(url, headers=headers).text return html def parse_html(html_text): soup = BeautifulSoup(html_text, 'html.parser') li = soup.find_all('div', attrs={'class':'cover'}) pic_list = [] for link in li: pic_url = link.find('img').get('src') pic_url = pic_url.replace('/m/', '/l/') pic_list.append(pic_url) return pic_list def download(file_path, pic_url): headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36 ", } r = requests.get(pic_url, headers=headers) with open(file_path, 'wb') as f: f.write(r.content) def main(): '從豆瓣下載石原里美圖片,觀察發(fā)現(xiàn)每頁包含30張圖片,其url按30遞增,如下所示' pic_list = [] for i in range(10): url = 'https://movie.douban.com/celebrity/1016930/photos/?type=C&start=' + str(30*i) + '&sortby=like&size=a&subtype=a' html_text = get_html(url) pic_list += parse_html(html_text) os.makedirs('./pic/', exist_ok=True) # 輸出目錄 for i, pic_url in enumerate(pic_list): if i%30 == 0: print('正在下載第%s頁'%(i/30+1)) file_name = pic_url.split('/')[-1].split('.')[0] + '.jpg' file_path = './pic/' + file_name download(file_path, pic_url) if __name__ == '__main__': main()
在下載圖片時,發(fā)現(xiàn)可以直接訪問圖片的縮略圖url進(jìn)行下載,但由于豆瓣的反爬策略,直接訪問原圖url會被服務(wù)器拒絕,見下圖。解決方法見下一部分。
可能遇到的問題
網(wǎng)站反爬蟲機(jī)制
網(wǎng)頁的數(shù)據(jù)采用異步加載,如js渲染的頁面或ajax加載的數(shù)據(jù)通過get不到完整頁面源碼。
一種方案是常說的動態(tài)爬蟲,即采用一些第三方的工具,模擬瀏覽器的行為加載數(shù)據(jù),如Selenium、PhantomJs等。網(wǎng)絡(luò)上有較多介紹文章,有點(diǎn)麻煩就沒有自己寫了,后續(xù)有需求的話在做吧,不過其他方法已經(jīng)夠用了。
另外可以通過分析頁面,找到請求借口,加載頁面。其核心就是跟蹤頁面的交互行為 JS 觸發(fā)調(diào)度,分析出有價值、有意義的核心調(diào)用(一般都是通過 JS 發(fā)起一個 HTTP 請求),然后我們使用 Python 直接訪問逆向到的鏈接獲取價值數(shù)據(jù)。通過"F12”進(jìn)行分析,例如對于花瓣網(wǎng),可以獲得其鏈接為" huaban.com/search/?q=石… request.urlopen(url).read() 讀取網(wǎng)頁。
Pyautogui,鼠標(biāo)模擬點(diǎn)擊的“傻瓜式”流程
本方法僅適用于重復(fù)性的工作,而且效率較低,但完全沒有被反爬蟲策略屏蔽的風(fēng)險。其核心思想與word中的“宏”類似,就是你告訴計(jì)算機(jī)一次循環(huán)中鼠標(biāo)分別如何操作,然后讓其自動循環(huán)。代碼簡單明了。
import pyautogui import time pyautogui.FAILSAFE = True def get_mouse_positon(): time.sleep(3) # 此間將鼠標(biāo)移動到初始位置 x1, y1 = pyautogui.position() print(x1, y1) pyautogui.click(x=x1, y=y1, button='right') # 模擬鼠標(biāo)右鍵點(diǎn)擊,呼出菜單 time.sleep(5) # 此間將鼠標(biāo)移動到“save image as...”選項(xiàng)中央 x2, y2 = pyautogui.position() print(x2, y2) pyautogui.click(x=x2, y=y2) # 模擬鼠標(biāo)左鍵點(diǎn)擊,點(diǎn)中“save image as...” time.sleep(10) # 此間彈出保存文件彈窗,自行選擇保存位置,并將鼠標(biāo)移至“保存(S)”按鈕中央 x3, y3 = pyautogui.position() pyautogui.click(x=x3, y=y3) print(x3, y3) def click_download(N): for i in range(N): # 擬下載圖片數(shù)量 pyautogui.click(x=517, y=557, duration=0.25, button='right') # 呼出菜單,自行將x/y設(shè)置為x1/y1 time.sleep(1) pyautogui.click(x=664, y=773, duration=0.25) # 下載,x/y為x2/y2 time.sleep(1) pyautogui.click(x=745, y=559, duration=0.25) # 保存,x/y為x3/y3 time.sleep(1) pyautogui.click(x=517, y=557, duration=0.25) # 進(jìn)入下一張圖片 time.sleep(2) # 取決于網(wǎng)絡(luò)加載速度,自行設(shè)置 if __name__ == "__main__": # get_mouse_positon() # 一開始只運(yùn)行此命令,獲取屏幕坐標(biāo),后續(xù)注釋掉該句 click_download(10)
上述內(nèi)容就是Python下載網(wǎng)絡(luò)圖片的方法,你們學(xué)到知識或技能了嗎?如果還想學(xué)到更多技能或者豐富自己的知識儲備,歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。