Python 爬虫批量爬取网页图片保存到本地的实现代码

其实和爬取普通数据本质一样，不过我们直接爬取数据会直接返回，爬取图片需要处理成二进制数据保存成图片格式（.jpg,.png等）的数据文本。

现在贴一个url=https://img.ivsky.com/img/tupian/t/201008/05/bianxingjingang-001.jpg
请复制上面的url直接在某个浏览器打开，你会看到如下内容：

这就是通过网页访问到的该网站的该图片，于是我们可以直接利用requests模块，进行这个图片的请求，于是这个网站便会返回给我们该图片的数据，我们再把数据写入本地文件就行，比较简单。

1. import requests
2. headers={
3. 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
4. url='https://img.ivsky.com/img/tupian/t/201008/05/bianxingjingang-001.jpg'
5. re=requests.get(url,headers=headers)
6. print(re.status_code)#查看请求状态，返回200说明正常
7. path='test.jpg'#文件储存地址
8. with open(path, 'wb') as f:#把图片数据写入本地，wb表示二进制储存
9. for chunk in re.iter_content(chunk_size=128):
10. f.write(chunk)

然后得到test.jpg图片，如下

点击打开查看如下：

便是下载成功辣，很简单吧。

现在分析下批量下载，我们将上面的代码打包成一个函数，于是针对每张图片，单独一个名字，单独一个图片文件请求，于是有如下代码：

1. import requests
2. def get_pictures(url,path):
3. headers={
4. 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
5. re=requests.get(url,headers=headers)
6. print(re.status_code)#查看请求状态，返回200说明正常
7. with open(path, 'wb') as f:#把图片数据写入本地，wb表示二进制储存
8. for chunk in re.iter_content(chunk_size=128):
9. f.write(chunk)
10. url='https://img.ivsky.com/img/tupian/t/201008/05/bianxingjingang-001.jpg'
11. path='test.jpg'#文件储存地址
12. get_pictures(url,path)

现在要实现批量下载图片，也就是批量获得图片的url，那么我们就得分析网页的代码结构，打开原始网站https://www.ivsky.com/tupian/bianxingjingang_v622/，会看到如下的图片：

于是我们需要分别得到该页面中显示的所有图片的url，于是我们再次用requests模块返回当前该页面的内容，如下：

1. import requests
2. headers={
3. 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
4. url='https://www.ivsky.com/tupian/bianxingjingang_v622/'
5. re=requests.get(url,headers=headers)
6. print(re.text)

运行会返回当前该页面的网页结构内容，于是我们找到和图片相关的也就是.jpg或者.png等图片格式的字条，如下：

上面圈出来的**//img.ivsky.com/img/tupian/t/201008/05/bianxingjingang-017.jpg**便是我们的图片url，不过还需要前面加上https:，于是完成的url就是https://img.ivsky.com/img/tupian/t/201008/05/bianxingjingang-017.jpg。

我们知道了这个结构，现在就是把这个提取出来，写个简单的解析式：

1. import requests
2. headers={
3. 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
4. url='https://www.ivsky.com/tupian/bianxingjingang_v622/'
5. re=requests.get(url,headers=headers)
6. def get_pictures_urls(text):
7. st='img src="'
8. m=len(st)
9. i=0
10. n=len(text)
11. urls=[]#储存url
12. while i<n:
13. if text[i:i+m]==st:
14. url=''
15. for j in range(i+m,n):
16. if text[j]=='"':
17. i=j
18. urls.append(url)
19. break
20. url+=text[j]
21. i+=1
22. return urls
23. urls=get_pictures_urls(re.text)
24. for url in urls:
25. print(url)

打印结果如下：

得到了url，现在就直接放入一开始的get_pictures函数中，爬取图片辣。

1. import requests
2. def get_pictures(url,path):
3. headers={
4. 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
5. re=requests.get(url,headers=headers)
6. print(re.status_code)#查看请求状态，返回200说明正常
7. with open(path, 'wb') as f:#把图片数据写入本地，wb表示二进制储存
8. for chunk in re.iter_content(chunk_size=128):
9. f.write(chunk)
10. def get_pictures_urls(text):
11. st='img src="'
12. m=len(st)
13. i=0
14. n=len(text)
15. urls=[]#储存url
16. while i<n:
17. if text[i:i+m]==st:
18. url=''
19. for j in range(i+m,n):
20. if text[j]=='"':
21. i=j
22. urls.append(url)
23. break
24. url+=text[j]
25. i+=1
26. return urls
27.  
28. headers={
29. 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3861.400 QQBrowser/10.7.4313.400'}
30. url='https://www.ivsky.com/tupian/bianxingjingang_v622/'
31. re=requests.get(url,headers=headers)
32. urls=get_pictures_urls(re.text)#获取当前页面所有图片的url
33. for i in range(len(urls)):#批量爬取图片
34. url='https:'+urls[i]
35. path='变形金刚'+str(i)+'.jpg'
36. get_pictures(url,path)

结果如下：

然后就完成辣，这里只是简单介绍下批量爬取图片的过程，具体的网站需要具体分析，所以本文尽可能详细的展示了批量爬取图片的过程分析，希望对你的学习有所帮助，如有问题请及时指出，谢谢~

到此这篇关于Python 爬虫批量爬取网页图片保存到本地的文章就介绍到这了,更多相关Python 爬虫爬取图片保存到本地内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！

原文链接：https://blog.csdn.net/weixin_43918046/article/details/111567696