想要爬取指定網頁中的圖片主要需要以下三個步驟：

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

（2）根據(jù)你要抓取的內容設置正則表達式以匹配要抓取的內容

（3）設置循環(huán)列表，重復抓取和保存內容

以下介紹了兩種方法實現(xiàn)抓取指定網頁中圖片

（1）方法一：使用正則表達式過濾抓到的 html 內容字符串

# 第一個簡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偽裝的頭部請求 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標簽，將圖片保存到本機def getImage(page): # [^s]*? 表示最小匹配， 兩個括號表示列表中有兩個元組 # 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image文件夾需要先創(chuàng)建好才能看到結果 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__’: # 指定要爬取的網站 url = 'https://www.cnblogs.com/ttweixiao-IT-program/p/13324826.html' # 得到該網站的源代碼 page = getHtmlCode(url) # 爬取該網站的圖片并且保存 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) 這一塊內容，如何設計正則表達式需要根據(jù)你想要抓取的內容設置。我的設計來源如下：

可以看到，因為這個網頁上的圖片都是 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 網頁

from bs4 import BeautifulSoup # BeautifulSoup是python處理HTML/XML的函數(shù)庫，是Python內置的網頁分析工具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偽裝的頭部請求 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標簽，將圖片保存到本機def getImage(page): # 按照html格式解析頁面 soup = BeautifulSoup(page, ’html.parser’) # 格式化輸出DOM樹的內容 print(soup.prettify()) # 返回所有包含img標簽的列表，因為在Html文件中圖片的插入呈現(xiàn)形式是<img src='http://www.gepszalag.com/bcjs/...' alt='..' /> imgList = soup.find_all(’img’) x = 0 # 循環(huán)找到的圖片列表，注意，這里手動設置從第2張圖片開始，是因為我debug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image文件夾需要先創(chuàng)建好才能看到結果 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__’: # 指定要爬取的網站 url = ’https://www.cnblogs.com/ttweixiao-IT-program/p/13324826.html’ # 得到該網站的源代碼 page = getHtmlCode(url) # 爬取該網站的圖片并且保存 getImage(page)

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

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持好吧啦網。