Python 爬虫图片简单实现_Python

Python 爬虫图片简单实现

经常在逛知乎，有时候希望把一些问题的图片集中保存起来。于是就有了这个程序。这是一个非常简单的图片爬虫程序，只能爬取已经刷出来的部分的图片。由于对这一部分内容不太熟悉，所以只是简单说几句然后记录代码，不做过多的讲解。感兴趣的可以直接拿去用。亲测对于知乎等网站是可用的。

上一篇分享了通过url打开图片的方法，目的就是先看看爬取到的图片时什么样，然后再筛选一下保存。

这里用到了requests库来获取页面信息，需要注意的是，获取页面信息的时候需要一个header，用以把程序伪装成浏览器去访问服务器，不然可能会被服务器拒绝。然后用BeautifulSoup来过滤多余信息得到图片地址。得到图片后，根据图片的大小过滤掉一些头像、表情包之类的小图片。最后打开或者保存图片的时候选择就比较多了，OpenCV，skimage，PIL等都可以。

程序如下：

									# -*- coding=utf-8 -*-

									import requests as req

									from bs4 import BeautifulSoup

									from PIL import Image

									from io import BytesIO

									import os

									from skimage import io

									url = "https://www.zhihu.com/question/37787176"

									headers = {'User-Agent' : 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.96 Mobile Safari/537.36'}

									response = req.get(url,headers=headers)

									content = str(response.content)

									#print content

									soup = BeautifulSoup(content,'lxml')

									images = soup.find_all('img')

									print u"共有%d张图片" % len(images)

									if not os.path.exists("images"):

									  os.mkdir("images")

									for i in range(len(images)):

									  img = images[i]

									  print u"正在处理第%d张图片..." % (i+1)

									  img_src = img.get('src')

									  if img_src.startswith("http"):

									    ## use PIL

									    '''

									    print img_src

									    response = req.get(img_src,headers=headers)

									    image = Image.open(BytesIO(response.content))

									    w,h = image.size

									    print w,h

									    img_path = "images/" + str(i+1) + ".jpg"

									    if w>=500 and h>500:

									      #image.show()

									      image.save(img_path)

									    '''

									    ## use OpenCV

									    import numpy as np

									    import urllib

									    import cv2

									    resp = urllib.urlopen(img_src)

									    image = np.asarray(bytearray(resp.read()), dtype="uint8")

									    image = cv2.imdecode(image, cv2.IMREAD_COLOR)

									    w,h = image.shape[:2]

									    print w,h

									    img_path = "images/" + str(i+1) + ".jpg"

									    if w>=400 and h>400:

									      cv2.imshow("Image", image)

									      cv2.waitKey(3000)

									      ##cv2.imwrite(img_path,image)

									    ## use skimage

									    ## image = io.imread(img_src)

									    ## w,h = image.shape[:2]

									    ## print w,h

									    #io.imshow(image)

									    #io.show()

									    ## img_path = "images/" + str(i+1) + ".jpg"

									    ## if w>=500 and h>500:

									      ## image.show()

									      ## image.save(img_path)

									      ## io.imsave(img_path,image)

									print u"处理完成！"

这里给出了多种选择，供参考。

原文链接：http://blog.csdn.net/xingchenbingbuyu/article/details/72231180

Python 爬虫图片简单实现

相关文章

热门资讯