您当前的位置:首页 > 电脑百科 > 程序开发 > 语言 > Python

教你用Python批量下载静态页面图片

时间:2020-06-11 17:56:59  来源:  作者:

前言

生活中,经常需要在网络上查找图片素材进行引用或者自行使用,获取图片的方式不限于百度图片以及图片素材网站中进行下载。一般的网站只能手动将图片另存为,当我们需要保存大量且相同系列的图片,难道只能逐张图片以另存为的方式保存吗?相信大家非常不愿意这么做,接下来将介绍一种易学易用的方法,利用Python语言制作的网络爬虫工具批量抓取图片。

em…最近想找一些壁纸,那就来个批量下载图片吧。

作业工具

· Python 3.6或以上,下载地址:

https://www.python.org/downloads/

· 浏览器:chorme、Firefox(笔者推荐使用Firefox)

· 文本编辑器:sublime text 3

爬虫介绍

网络爬虫,也叫网络蜘蛛(Web Spider)。它根据网页地址(URL)爬取网页内容,而网页地址(URL)就是我们在浏览器中输入的网站链接。比如:https://www.baidu.com/,它就是一个URL。

讲解爬虫原理之前,我们需要先学会如何查看网页源代码(如掌握,请跳过)。

1. 审查元素(查看源代码)

这个操作非常简单。

1. 打开浏览器

2. 打开一个网页

3. 在网页空白处点击右键-查看元素(检查,或者按F12)

4. 点击“查看器”或“Elements”

教你用Python批量下载静态页面图片

左下角的“页面源代码”就叫做html,HTML也叫超文本标记语言,是这个网页的真实面貌。没错,那些五颜六色的网页真实面貌都是可读性较低的HTML,而我们的看到的是浏览器根据服务器返回的HTML的代码通过渲染显示成可读性极高的网页。

了解了HTML后,肯定想知道这些难看的HTML可以做什么,那么到了您的机器上,当然是由你说了算咯。

是的,真的可以为所欲为。(看我余额)

教你用Python批量下载静态页面图片

嗯,很明显这是假…

真相是…

教你用Python批量下载静态页面图片

顺便交大家个小技巧,因为经常依赖浏览器记住密码功能,而忘记原密码怎么办?

教你用Python批量下载静态页面图片

将密码栏处的“password”属性,修改成“text”属性。

教你用Python批量下载静态页面图片

(记住密码的选项是选不得的,毕竟可以明文显示出来。)

总结一下,HTML是由服务器接收到浏览器发送的请求,返回给浏览器的一个HTML文本,浏览器将其渲染成网页。换句话说,人由基因决定原始容貌,网页由HTML决定。人可以整容,网页也可以整,只不过网页比人更短暂,刷新就是重生(刷新会重新接收服务器发来的HTML,原来的会被抛弃,因此网页也只能在本地为所欲为)。

2. 为什么是Python

为什么选择Python来爬虫?

因为写爬虫是需要一边写,一边测试,测试不过再改改。这个过程用Python写起来最为方便,其次是Python提供了强大的第三方库,无论是巨简单的爬虫还是巨复杂的爬虫都能够轻松搞定。

爬虫需要处理的一些问题:

  • 发送HTTP请求
  • 解析HTML源码
  • 处理反爬虫机制
  • 效率
  • ......

说到底就是因为Python在处理上面的事情的时候有很多库,而且语法简洁,代码风骚,开发者的注意点可以集中在自己要做的事情上。

简单得不能再简单的粗略不严谨地说明一下:

发送HTTP请求:

Python里我最喜欢用requests发送请求,发送请求的代码是这样的:

  •  
  •  
  •  
  •  
  •  

requests.get(URL) # GETrequests.post(URL,DATA) # 
POSTrequests.put/delete/head/... # 各种请求# P.S.使用下面的代码处理Cookie更酸爽requests.Session()

到目前为止,还没有发现其他语言有比这个更加简单的发送HTTP请求的方式了(不排除我人见识短的可能性)。

解析HTML源码:

Python默认可以使用HtmlParser来解析HTML,如果你觉得用着不爽(确实用着不爽),可以有很多第三方库来优雅地做这些事情(lxml / BeautifulSoup / ...),甚至可以通过一些库(selenium等)来直接使用浏览器。你可以直接使用类似 body.div.a['href'] 这样简单到爆的语法取自己需要的内容。

本文主要采用BeautifulSoup库来解析HTML的内容。

处理反爬虫机制:

还是Python的requests库,它可以很方便的套上一个代理IP(部分网站反爬虫机制是封IP,被封了就伪装一个好了。):

  •  
  •  

request=requests.Session()request.proxies= ....

效率:

爬虫的效率问题基本不在解析信息的速度上,网络IO的时间其实才是大头。比如你请求网页花了500ms,相应的你的解析速度是1ms还是10ms已经不重要了。

其他还有很多地方就不一一总结了,简而言之,写爬虫来讲,Python相对于其它语言的优势在于有足够简洁的语法和足够多的库支持,开发效率很高,而且运行效率方面,网络IO的时间已经大大冲淡了Python的效率问题。

用Python可以1个人做5个人的事情,只是多用10倍的机器,多么划算。

 

爬取网站图片前的准备工作

1. 安装Python

官方下载:
https://www.python.org/downloads/

教你用Python批量下载静态页面图片

勾选“Add Python 3.6 to PATH”,直接下一步,安装完成。

教你用Python批量下载静态页面图片

打开“命令提示符”,敲下“python”,启动成功。

教你用Python批量下载静态页面图片

2. 安装第三方库

既然称为第三方库了,那就是本来不是Python已有的,因此需要我们自行安装库:

  • requests(第三方库需下载,中文说明文档:http://docs.python-requests.org/zh_CN/latest)
  • BeautifulSoup4(第三方库需下载,中文说明文档:https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/)
  • re
  • urllib.request
  • os

安装代码:安装第三方库,在系统直接调用PIP程序安装即可。

  •  

pip install beautifulsoup4

pip install requests

教你用Python批量下载静态页面图片

至此,我们的环境就准备好了,多么简单。

 

3. 爬虫思路

爬虫主要的核心在于以下三点:

  • 解析网页结构(基础篇)
  • 获取目标数据途径(基础篇)
  • 整合优化代码(实战篇)

代码整合过程部分的内容将会移到《【简单易学】教你用Python批量下载静态页面图片(实战篇)》详细讲解,敬请关注!

解析网页结构

首先确认我们的目标爬取网站:https://www.socwall.com/

其次就是找到高清图片保存在什么页面里,获取到高清图片的存放地址。

最后使用代码去批量下载这些高清图片。

教你用Python批量下载静态页面图片

这一部分我们重点讲讲如何一步一步地分析网页,最终达到找到这些高清图片的存放地址。

先看看首页是什么样的~ 顺便以超市买东西为例子来分析一下,我们到底怎么找到目标商品的存放地址。

教你用Python批量下载静态页面图片

3.1 通过观察整个页面的结构,分析网页组成成分。

教你用Python批量下载静态页面图片

(上方红框是列表页,下方红框是列表页的页码)

整个页面像个货架一样展示商品,下面的页码就像是楼层号码,而货架上摆放的只是质量较差的(被压缩过的)展示商品(缩略图),因此我们要拿到货真价实的商品(目标图片)就需要到它所在的楼层,找到它摆放在货架上的地方。


 

3.2 上方列表页放置的是图片的缩略图,点击缩略图进入该缩略图的专属页面。

教你用Python批量下载静态页面图片

来到目标商品的货架前,我们发现有专属的取货窗口( 右侧的Download按钮)。


 

3.3 进入内层页面,找到了获取这张图片最终高清原图地址。

教你用Python批量下载静态页面图片

点击右侧Download按钮。

教你用Python批量下载静态页面图片

我们终于找到了货真价实的商品(目标图片),再次只需要另存为图片即可保存到本地!

OK!

获取目标数据途径

总结上述获取高清原图的过程,总结获取原图的途径:

  • 选择目标页面(页码)
  • 选择目标货架(列表页)
  • 选择目标图片(缩略图)
  • 选择原图下载(高清原图)

一共四个步骤,我们的目的就算完成了,就下来的任务是使用代码来重复这个过程。



Tags:Python   点击:()  评论:()
声明:本站部分内容及图片来自互联网,转载是出于传递更多信息之目的,内容观点仅代表作者本人,如有任何标注错误或版权侵犯请与我们联系(Email:2595517585@qq.com),我们将及时更正、删除,谢谢。
▌相关推荐
大家好,我是菜鸟哥,今天跟大家一起聊一下Python4的话题! 从2020年的1月1号开始,Python官方正式的停止了对于Python2的维护。Python也正式的进入了Python3的时代。而随着时间的...【详细内容】
2021-12-28  Tags: Python  点击:(1)  评论:(0)  加入收藏
学习Python的初衷是因为它的实践的便捷性,几乎计算机上能完成的各种操作都能在Python上找到解决途径。平时工作需要在线学习。而在线学习的复杂性经常让人抓狂。费时费力且效...【详细内容】
2021-12-28  Tags: Python  点击:(1)  评论:(0)  加入收藏
Python 是一个很棒的语言。它是世界上发展最快的编程语言之一。它一次又一次地证明了在开发人员职位中和跨行业的数据科学职位中的实用性。整个 Python 及其库的生态系统使...【详细内容】
2021-12-27  Tags: Python  点击:(2)  评论:(0)  加入收藏
菜单驱动程序简介菜单驱动程序是通过显示选项列表从用户那里获取输入并允许用户从选项列表中选择输入的程序。菜单驱动程序的一个简单示例是 ATM(自动取款机)。在交易的情况下...【详细内容】
2021-12-27  Tags: Python  点击:(4)  评论:(0)  加入收藏
近日只是为了想尽办法为 Flask 实现 Swagger UI 文档功能,基本上要让 Flask 配合 Flasgger, 所以写了篇 Flask 应用集成 Swagger UI 。然而不断的 Google 过程中偶然间发现了...【详细内容】
2021-12-23  Tags: Python  点击:(6)  评论:(0)  加入收藏
有不少同学学完Python后仍然很难将其灵活运用。我整理15个Python入门的小程序。在实践中应用Python会有事半功倍的效果。01 实现二元二次函数实现数学里的二元二次函数:f(x,...【详细内容】
2021-12-22  Tags: Python  点击:(32)  评论:(0)  加入收藏
Verilog是由一个个module组成的,下面是其中一个module在网表中的样子,我只需要提取module名字、实例化关系。module rst_filter ( ...); 端口声明... wire定义......【详细内容】
2021-12-22  Tags: Python  点击:(8)  评论:(0)  加入收藏
运行环境 如何从 MP4 视频中提取帧 将帧变成 GIF 创建 MP4 到 GIF GUI ...【详细内容】
2021-12-22  Tags: Python  点击:(6)  评论:(0)  加入收藏
面向对象:Object Oriented Programming,简称OOP,即面向对象程序设计。类(Class)和对象(Object)类是用来描述具有相同属性和方法对象的集合。对象是类的具体实例。比如,学生都有...【详细内容】
2021-12-22  Tags: Python  点击:(9)  评论:(0)  加入收藏
所谓内置函数,就是Python提供的, 可以直接拿来直接用的函数,比如大家熟悉的print,range、input等,也有不是很熟,但是很重要的,如enumerate、zip、join等,Python内置的这些函数非常...【详细内容】
2021-12-21  Tags: Python  点击:(5)  评论:(0)  加入收藏
▌简易百科推荐
大家好,我是菜鸟哥,今天跟大家一起聊一下Python4的话题! 从2020年的1月1号开始,Python官方正式的停止了对于Python2的维护。Python也正式的进入了Python3的时代。而随着时间的...【详细内容】
2021-12-28  菜鸟学python    Tags:Python4   点击:(1)  评论:(0)  加入收藏
学习Python的初衷是因为它的实践的便捷性,几乎计算机上能完成的各种操作都能在Python上找到解决途径。平时工作需要在线学习。而在线学习的复杂性经常让人抓狂。费时费力且效...【详细内容】
2021-12-28  风度翩翩的Python    Tags:Python   点击:(1)  评论:(0)  加入收藏
Python 是一个很棒的语言。它是世界上发展最快的编程语言之一。它一次又一次地证明了在开发人员职位中和跨行业的数据科学职位中的实用性。整个 Python 及其库的生态系统使...【详细内容】
2021-12-27  IT资料库    Tags:Python 库   点击:(2)  评论:(0)  加入收藏
菜单驱动程序简介菜单驱动程序是通过显示选项列表从用户那里获取输入并允许用户从选项列表中选择输入的程序。菜单驱动程序的一个简单示例是 ATM(自动取款机)。在交易的情况下...【详细内容】
2021-12-27  子冉爱python    Tags:Python   点击:(4)  评论:(0)  加入收藏
有不少同学学完Python后仍然很难将其灵活运用。我整理15个Python入门的小程序。在实践中应用Python会有事半功倍的效果。01 实现二元二次函数实现数学里的二元二次函数:f(x,...【详细内容】
2021-12-22  程序汪小成    Tags:Python入门   点击:(32)  评论:(0)  加入收藏
Verilog是由一个个module组成的,下面是其中一个module在网表中的样子,我只需要提取module名字、实例化关系。module rst_filter ( ...); 端口声明... wire定义......【详细内容】
2021-12-22  编程啊青    Tags:Verilog   点击:(8)  评论:(0)  加入收藏
运行环境 如何从 MP4 视频中提取帧 将帧变成 GIF 创建 MP4 到 GIF GUI ...【详细内容】
2021-12-22  修道猿    Tags:Python   点击:(6)  评论:(0)  加入收藏
面向对象:Object Oriented Programming,简称OOP,即面向对象程序设计。类(Class)和对象(Object)类是用来描述具有相同属性和方法对象的集合。对象是类的具体实例。比如,学生都有...【详细内容】
2021-12-22  我头秃了    Tags:python   点击:(9)  评论:(0)  加入收藏
所谓内置函数,就是Python提供的, 可以直接拿来直接用的函数,比如大家熟悉的print,range、input等,也有不是很熟,但是很重要的,如enumerate、zip、join等,Python内置的这些函数非常...【详细内容】
2021-12-21  程序员小新ds    Tags:python初   点击:(5)  评论:(0)  加入收藏
Hi,大家好。我们在接口自动化测试项目中,有时候需要一些加密。今天给大伙介绍Python实现各种 加密 ,接口加解密再也不愁。目录一、项目加解密需求分析六、Python加密库PyCrypto...【详细内容】
2021-12-21  Python可乐    Tags:Python   点击:(8)  评论:(0)  加入收藏
最新更新
栏目热门
栏目头条