欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python爬虫 下载一个网页内的图片解决分页以及图片懒加载的问题

程序员文章站 2023-11-10 10:03:10
话不都说,先上代码:import urllib.parseimport urllib.requestfrom lxml import etreeimport timeimport osdef handle_request(url, page): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.37...

话不都说,先上代码:

import urllib.parse
import urllib.request
from lxml import etree
import time
import os


def handle_request(url, page):
    headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36',
    }
    # 由于第一页和后面页码规律不一致,所以要进行判断
    if page == 1:
        url = url.format('')
    else:
        url = url.format('_' + str(page))
    # print(url)
    request = urllib.request.Request(url=url,headers=headers)
    return request


def download_image(image_src,i):
    dirpath = 'gudian'
    # 创建一个文件夹
    print('正在下载第'+str(i)+'张图片')
    if not os.path.exists(dirpath):
        os.mkdir(dirpath)
    # 创建文件名
    filename = os.path.basename(str(i)+'.png')
    # 图片路径
    filepath = os.path.join(dirpath, filename)
    print(filepath)
    # 发送请求,保存图片
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36',
    }
    request = urllib.request.Request(url=image_src, headers=headers)
    response = urllib.request.urlopen(request)
    with open(filepath, 'wb') as fp:
        fp.write(response.read())


def parse_content(content):
    # 生成对象
    tree = etree.HTML(content)
    image_list = tree.xpath('//div[@id="f-content"]/div/div/a/img/@data-src')  # //div[@id="container"]/div/div/a/img/@src
    # 懒加载
    print(image_list)
    # print(len(image_list))
    # 遍历列表,依次下载图片
    i = 1
    for image_src in image_list:
        i += 1
        download_image(image_src,i)


def main():
    url = 'http://www.51yuansu.com/search/canyinkatong.html'
    # http://sc.chinaz.com/tupian/gudianmeinvtupian_2.html
    start_page = int(input("请输入开始页码:"))
    end_page = int(input("请输入结束页码:"))
    for page in range(start_page,end_page+1):
        print("第%s页开始下载······" % page)
        request = handle_request(url, page)
        content = urllib.request.urlopen(request).read().decode()
        # 解析内容
        parse_content(content)
        time.sleep(2)
        print("第%s页下载完毕······" % page)
    print("下载完成!")

if __name__ == "__main__":
    main()

运行结果如图:python爬虫 下载一个网页内的图片解决分页以及图片懒加载的问题
我们来看一下网站的目录结构
python爬虫 下载一个网页内的图片解决分页以及图片懒加载的问题
python爬虫 下载一个网页内的图片解决分页以及图片懒加载的问题
然后查看网页源代码发现这个懒加载图片的链接地址是存放在data-src当中的 写对应代码
image_list = tree.xpath(’//div[@id=“f-content”]/div/div/a/img/@data-src’) 一个简单的爬虫就实现了 各位想要爬取自己想爬取网页的图片的话 理清目录结构 根据情况修改一下就可以了

本文地址:https://blog.csdn.net/qq_39279425/article/details/109053257