想要爬取指定網(wǎng)頁中的圖片主要需要以下三個(gè)步驟：

（1）指定網(wǎng)站鏈接，抓取該網(wǎng)站的源代碼（如果使用google瀏覽器就是按下鼠標(biāo)右鍵 -> Inspect-> Elements 中的 html 內(nèi)容）

（2）根據(jù)你要抓取的內(nèi)容設(shè)置正則表達(dá)式以匹配要抓取的內(nèi)容

（3）設(shè)置循環(huán)列表，重復(fù)抓取和保存內(nèi)容

以下介紹了兩種方法實(shí)現(xiàn)抓取指定網(wǎng)頁中圖片

（1）方法一：使用正則表達(dá)式過濾抓到的 html 內(nèi)容字符串

# 第一個(gè)簡(jiǎn)單的爬取圖片的程序import urllib.request # python自帶的爬操作url的庫import re # 正則表達(dá)式# 該方法傳入url,返回url的html的源代碼def getHtmlCode(url): # 以下幾行注釋的代碼在本程序中有加沒加效果一樣,但是為了隱藏自己避免被反爬蟲可以假如這個(gè)偽裝的頭部請(qǐng)求 headers = { ’User-Agent’: ’Mozilla/5.0(Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36(KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36’ } # 將headers頭部添加到url，模擬瀏覽器訪問 url = urllib.request.Request(url, headers=headers) # 將url頁面的源代碼保存成字符串 page = urllib.request.urlopen(url).read() # 字符串轉(zhuǎn)碼 page = page.decode(’UTF-8’) return page# 該方法傳入html的源代碼，通過截取其中的img標(biāo)簽，將圖片保存到本機(jī)def getImage(page): # [^s]*? 表示最小匹配， 兩個(gè)括號(hào)表示列表中有兩個(gè)元組 # imageList = re.findall(r’(https:[^s]*?(png))'’, page) imageList = re.findall(r’(https:[^s]*?(jpg|png|gif))'’, page) x = 0 # 循環(huán)列表 for imageUrl in imageList: try: print(’正在下載: %s’ % imageUrl[0]) # 這個(gè)image文件夾需要先創(chuàng)建好才能看到結(jié)果 image_save_path = ’./image/%d.png’ % x # 下載圖片并且保存到指定文件夾中 urllib.request.urlretrieve(imageUrl[0], image_save_path) x = x + 1 except: continue passif __name__ == ’__main__’: # 指定要爬取的網(wǎng)站 url = 'https://www.cnblogs.com/ttweixiao-IT-program/p/13324826.html' # 得到該網(wǎng)站的源代碼 page = getHtmlCode(url) # 爬取該網(wǎng)站的圖片并且保存 getImage(page) # print(page)

注意，代碼中需要修改的就是imageList = re.findall(r’(https:[^s]*?(jpg|png|gif))'’, page) 這一塊內(nèi)容，如何設(shè)計(jì)正則表達(dá)式需要根據(jù)你想要抓取的內(nèi)容設(shè)置。我的設(shè)計(jì)來源如下：

可以看到，因?yàn)檫@個(gè)網(wǎng)頁上的圖片都是 png 格式，所以寫成imageList = re.findall(r’(https:[^s]*?(png))'’, page)也是可以的。

（2）方法二：使用 BeautifulSoup 庫解析 html 網(wǎng)頁

from bs4 import BeautifulSoup # BeautifulSoup是python處理HTML/XML的函數(shù)庫，是Python內(nèi)置的網(wǎng)頁分析工具import urllib # python自帶的爬操作url的庫# 該方法傳入url,返回url的html的源代碼def getHtmlCode(url): # 以下幾行注釋的代碼在本程序中有加沒加效果一樣,但是為了隱藏自己避免被反爬蟲可以假如這個(gè)偽裝的頭部請(qǐng)求 headers = { ’User-Agent’: ’Mozilla/5.0(Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36(KHTML, like Gecko) Chrome/56.0.2924.87 Mobile Safari/537.36’ } # 將headers頭部添加到url，模擬瀏覽器訪問 url = urllib.request.Request(url, headers=headers) # 將url頁面的源代碼保存成字符串 page = urllib.request.urlopen(url).read() # 字符串轉(zhuǎn)碼 page = page.decode(’UTF-8’) return page# 該方法傳入html的源代碼，通過截取其中的img標(biāo)簽，將圖片保存到本機(jī)def getImage(page): # 按照html格式解析頁面 soup = BeautifulSoup(page, ’html.parser’) # 格式化輸出DOM樹的內(nèi)容 print(soup.prettify()) # 返回所有包含img標(biāo)簽的列表，因?yàn)樵贖tml文件中圖片的插入呈現(xiàn)形式是<img src='http://www.lshqa.cn/bcjs/...' alt='..' /> imgList = soup.find_all(’img’) x = 0 # 循環(huán)找到的圖片列表，注意，這里手動(dòng)設(shè)置從第2張圖片開始，是因?yàn)槲襠ebug看到了第一張圖片不是我想要的圖片 for imgUrl in imgList[1:]: print(’正在下載： %s ’ % imgUrl.get(’src’)) # 得到scr的內(nèi)容，這里返回的就是Url字符串鏈接，如’https://img2020.cnblogs.com/blog/1703588/202007/1703588-20200716203143042-623499171.png’ image_url = imgUrl.get(’src’) # 這個(gè)image文件夾需要先創(chuàng)建好才能看到結(jié)果 image_save_path = ’./image/%d.png’ % x # 下載圖片并且保存到指定文件夾中 urllib.request.urlretrieve(image_url, image_save_path) x = x + 1if __name__ == ’__main__’: # 指定要爬取的網(wǎng)站 url = ’https://www.cnblogs.com/ttweixiao-IT-program/p/13324826.html’ # 得到該網(wǎng)站的源代碼 page = getHtmlCode(url) # 爬取該網(wǎng)站的圖片并且保存 getImage(page)

這兩種方法各有利弊，我覺得可以靈活結(jié)合使用這兩種方法，比如先使用方法2中指定標(biāo)簽的方法縮小要尋找的內(nèi)容范圍，然后再使用正則表達(dá)式匹配想要的內(nèi)容，這樣做起來更加簡(jiǎn)潔明了。

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持好吧啦網(wǎng)。