利用python抓取网页图片

py3study

发布于 2020-01-13 11:22:41

2K0

发布于 2020-01-13 11:22:41

文章被收录于专栏：python3python3

近期在家想看华为官方的【IP，图话技术，微图】系列文档，奈何家里是长宽，基本打不开页面，刷新多次，心力憔悴。

▎下图感受下：

wKiom1mqK53QvjMZAAEguKiuqIc274.png-wh_50

突然想起上次华为云大会送了台云服务器，一直被我用来做linux实验机。于是，突发奇想，利用python下载图片，然后利用工具传递到本地阅读，权当练手了。

▎网页代码样例：

wKiom1mqMJfBxWHdAAQD_irs6zw538.png-wh_50

查看网页源代码，可以找到图片所在的网址，加上网站前缀就是真正的图片目标地址。

在linux系统中，直接wget就能下载这些图片，验证图片地址的真实性。

[root@plinuxos tmp]# wget http://support.huawei.com/huaweiconnect/data/p_w_upload/forum/201705/03/20170503211729148001.png
--2017-09-02 12:48:40--  http://support.huawei.com/huaweiconnect/data/p_w_upload/forum/201705/03/20170503211729148001.png
Resolving support.huawei.com (support.huawei.com)... 221.193.246.61, 121.18.169.18, 101.28.252.205
Connecting to support.huawei.com (support.huawei.com)|221.193.246.61|:80... connected.
HTTP request sent, awaiting response... 200 OK
Length: 495335 (484K) [p_w_picpath/png]
Saving to: ‘20170503211729148001.png’

100%[=============================================================>] 495,335     1.98MB/s   in 0.2s   

2017-09-02 12:48:41 (1.98 MB/s) - ‘20170503211729148001.png’ saved [495335/495335]

[root@plinuxos tmp]# ls
20170503211729148001.png  downpic.py       mysql.sock  test.py   zrlog.sql
db01.sql                  hsperfdata_root  mysql.sql   test.sql

▎抓取代码：

#/usr/bin/env python                                  
import requests,bs4,time
headers={'User-Agent': 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:24.0) Gecko/20100101 Firefox/24.0'}
url='http://support.huawei.com/huaweiconnect/enterprise/thread-400343.html'
urlhtml=requests.get(url,headers=headers)
urlhtml.raise_for_status()
pichtml=bs4.BeautifulSoup(urlhtml.text[:],'html.parser')
piclink=pichtml.select('p span img[src]')
if __name__=='__main__':
    piclist=[]
    for i in range(len(piclink)):
        picdic=piclink[i].attrs
        newpicdic='http://support.huawei.com'+picdic['src']
        newpic=requests.get(newpicdic)
        picname=str(time.strftime("%Y%m%d00",time.localtime(time.time())))+str(i)+'.png'
        with open(picname,'wb') as file:
            file.write(newpic.content)

代码部分的解析，可以参见学习笔记，也可以参照往期利用python处理网页信息一文。

▎执行脚本：

[root@plinuxos tmp]# python3 downpic.py 
[root@plinuxos tmp]# ls -lhrt *.png
-rw-r--r--. 1 root root 484K Sep  2 12:50 20170902000.png
-rw-r--r--. 1 root root 241K Sep  2 12:50 20170902001.png
-rw-r--r--. 1 root root 542K Sep  2 12:50 20170902002.png
-rw-r--r--. 1 root root 607K Sep  2 12:50 20170902003.png
-rw-r--r--. 1 root root 500K Sep  2 12:50 20170902004.png
-rw-r--r--. 1 root root 146K Sep  2 12:50 20170902005.png
-rw-r--r--. 1 root root 381K Sep  2 12:50 20170902006.png
-rw-r--r--. 1 root root 463K Sep  2 12:51 20170902007.png

可以看到，图片已经下载到了linux系统中，然后通过远程软件传输到本地查看。

▎效果如下：