怎么利用Python來(lái)收集圖片數(shù)據(jù)

本篇內(nèi)容主要講解“怎么利用Python來(lái)收集圖片數(shù)據(jù)”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“怎么利用Python來(lái)收集圖片數(shù)據(jù)”吧!

發(fā)送請(qǐng)求

我們首先確定網(wǎng)址，我們先使用開(kāi)發(fā)者工具，定位到我們要的數(shù)據(jù)。發(fā)現(xiàn)，內(nèi)容就在網(wǎng)頁(yè)源代碼中。

url = 'https://www.hexuexiao.cn/tj/WuJiayi/'

res = requests.get(url)

# print(res.text)
html_url = re.findall('<a href="https://www.hexuexiao.cn/a/(\d+).html" rel="external nofollow"  >',res.text,re.S)
urls = sorted(list(set(html_url)), key=html_url.index)

我們這里html_url 變量的值是一個(gè)正則表達(dá)式對(duì)象，用于匹配網(wǎng)站圖片的鏈接。代碼塊 list(set(html_url)) 將列表對(duì)象轉(zhuǎn)換為集合對(duì)象，使用 set() 方法將列表對(duì)象轉(zhuǎn)換為集合對(duì)象，這是一個(gè)將列表中的元素轉(zhuǎn)換為集合的方法。html_url.index 是一個(gè)整數(shù)對(duì)象，表示 html_url中各元素在原始 HTML 字符串中出現(xiàn)的次數(shù)，以此來(lái)實(shí)現(xiàn)排序。

保存數(shù)據(jù)

for url1 in urls:
    for page in range(0,10):
        url2 = f'https://www.hexuexiao.cn/a/{url1}-{page}.html'
        # print(url2)
        res1 = requests.get(url2)
        # print(res1.text)
        url3 = re.findall('<img src=(.*?)/></a>',res1.text,re.S)[0]
        print(url3)
        url3=re.sub('',"",url3)
        print(url3)

我們這段代碼中的 urls 列表是一個(gè)字典，其中鍵是 URL，值是頁(yè)碼。在循環(huán)中，我們使用 range() 函數(shù)從 0 到 9 迭代頁(yè)碼。接下來(lái)，我們使用 requests.get() 方法分別獲取每個(gè)頁(yè)面的 HTML 代碼，并使用正則表達(dá)式匹配出所有的圖片鏈接。最后，我們使用 requests.get() 方法獲取每個(gè)圖片鏈接的內(nèi)容，并將其寫(xiě)入一個(gè)文件中。

保存圖片

 content = requests.get(url3).content
        with open('圖片\' + str(num) + '.jpg', mode='wb') as f:
            f.write(content)

我們這段代碼中的 content 變量的值是從圖片鏈接 url3 中獲取的內(nèi)容。然后，使用 with open() 語(yǔ)句打開(kāi)一個(gè)二進(jìn)制文件，并將 content 寫(xiě)入文件中。在這個(gè)過(guò)程中，num 變量的值是當(dāng)前文件中的圖片序號(hào)。獲取圖片和我們之前獲取音頻一樣，都是保存成二進(jìn)制文件。

這樣，我們的圖片數(shù)據(jù)就保存下來(lái)了。這里，我就不展示效果了，原理都是一樣的，找到圖片的地址，我們就可以獲取下來(lái)。

到此，相信大家對(duì)“怎么利用Python來(lái)收集圖片數(shù)據(jù)”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢(xún)，關(guān)注我們，繼續(xù)學(xué)習(xí)！