Python爬取网页中的图片（搜狗图片）详解_Python

Python爬取网页中的图片（搜狗图片）详解

2020-09-25 09:56dearvee Python

没想到python是如此强大，令人着迷，以前看见图片总是一张一张复制粘贴，现在好了，学会python就可以用程序将一张张图片，保存下来。下面这篇文章主要给大家介绍了利用Python3.6爬取搜狗图片网页中图片的相关资料，需要的朋友

前言

最近几天，研究了一下一直很好奇的爬虫算法。这里写一下最近几天的点点心得。下面进入正文：

你可能需要的工作环境：

　　Python 3.6官网下载

我们这里以sogou作为爬取的对象。

首先我们进入搜狗图片http://pic.sogou.com/，进入壁纸分类（当然只是个例子Q_Q），因为如果需要爬取某网站资料，那么就要初步的了解它…

Python爬取网页中的图片（搜狗图片）详解

进去后就是这个啦，然后F12进入开发人员选项，笔者用的是Chrome。

右键图片>>检查

Python爬取网页中的图片（搜狗图片）详解

发现我们需要的图片src是在img标签下的，于是先试着用 Python 的 requests提取该组件，进而获取img的src然后使用 urllib.request.urlretrieve逐个下载图片，从而达到批量获取资料的目的，思路好了，下面应该告诉程序要爬取的url为http://pic.sogou.com/pics/recommend?category=%B1%DA%D6%BD，此url来自进入分类后的地址栏。明白了url地址我们来开始愉快的代码时间吧：

在写这段爬虫程序的时候，最好要逐步调试，确保我们的每一步操作正确，这也是程序猿应该有的好习惯。笔者不知道自己算不算个程序猿哈。线面我们来剖析该url指向的网页。

									import requests

									import urllib

									from bs4 import BeautifulSoup

									res = requests.get('http://pic.sogou.com/pics/recommend?category=%B1%DA%D6%BD')

									soup = BeautifulSoup(res.text,'html.parser')

									print(soup.select('img'))

output：

Python爬取网页中的图片（搜狗图片）详解

发现输出内容并不包含我们要的图片元素，而是只剖析到logo的img，这显然不是我们想要的。也就是说需要的图片资料不在url 即 http://pic.sogou.com/pics/recommend?category=%B1%DA%D6%BD里面。因此考虑可能该元素是动态的，细心的同学可能会发现，当在网页内，向下滑动鼠标滚轮，图片是动态刷新出来的，也就是说，该网页并不是一次加载出全部资源，而是动态加载资源。这也避免了因为网页过于臃肿，而影响加载速度。下面痛苦的探索开始了，我们是要找到所有图片的真正的url 笔者也是刚刚接触，找这个不是太有经验。最后找的位置F12>>Network>>XHR>>(点击XHR下的文件)>>Preview。

Python爬取网页中的图片（搜狗图片）详解

发现，有点接近我们需要的元素了，点开all_items 发现下面是0 1 2 3...一个一个的貌似是图片元素。试着打开一个url。发现真的是图片的地址。找到目标之后。点击XHR下的Headers

得到第二行

Request URL:

http://pic.sogou.com/pics/channel/getAllRecomPicByTag.jsp?category=%E5%A3%81%E7%BA%B8&tag=%E5%85%A8%E9%83%A8&start=0&len=15&width=1536&height=864，试着去掉一些不必要的部分，技巧就是，删掉可能的部分之后，访问不受影响。经笔者筛选。最后得到的url：http://pic.sogou.com/pics/channel/getAllRecomPicByTag.jsp?category=%E5%A3%81%E7%BA%B8&tag=%E5%85%A8%E9%83%A8&start=0&len=15 字面意思，知道category后面可能为分类。start为开始下标，len为长度，也即图片的数量。好了，开始愉快的代码时间吧：

开发环境为Win7 Python 3.6，运行的时候Python需要安装requests，

Python3.6 安装requests 应该CMD敲入：

1	`pip` `install` `requests`

笔者在这里也是边调试边写，这里把最终的代码贴出来：

									import requests

									import json

									import urllib

									def getSogouImag(category,length,path):

									 n = length

									 cate = category

									 imgs = requests.get('http://pic.sogou.com/pics/channel/getAllRecomPicByTag.jsp?category='+cate+'&tag=%E5%85%A8%E9%83%A8&start=0&len='+str(n))

									 jd = json.loads(imgs.text)

									 jd = jd['all_items']

									 imgs_url = []

									 for j in jd:

									  imgs_url.append(j['bthumbUrl'])

									 m = 0

									 for img_url in imgs_url:

									   print('***** '+str(m)+'.jpg *****'+' Downloading...')

									   urllib.request.urlretrieve(img_url,path+str(m)+'.jpg')

									   m = m + 1

									 print('Download complete!')

									getSogouImag('壁纸',2000,'d:/download/壁纸/')