Python超简单的爬取网站中图片

1、首先导入相关库

import requests
import bs4
import threading #用于多线程爬虫，爬取速度快，可以完成多页爬取
import os

2、使用bs4获取html中的内容

所爬取的网站：http://www.umei.cc/bizhitupian/diannaobizhi/1.htm    这只是第一页中的图片当然可以批量爬取里面所有的图片

bs = bs4.BeautifulSoup(requests.get(r"http://www.umei.cc/bizhitupian/diannaobizhi/1.htm").text)

到这一步我们就已经拿到了该页面的HTML了，发现输出的HTML有点乱码，这时我们可以改良一下我们的代码

import bs4
import requests
import os
req = requests.get(r"http://www.umei.cc/bizhitupian/diannaobizhi/1.htm")
req.encoding="utf-8"
bs = bs4.BeautifulSoup(req.text)

这样可以解决爬取出来的HTML乱码的问题

3、拿到HTML后就进行匹配我们所需要的图片标签

obj = bs.find_all("a",{"class":{"TypeBigPics"}}) #a代表的是<a>标签 class是<a>标签中所对应的class  TypeBigPics为<a>标签中class中对应的值，根据class中的值找出对应图片的<a>标签

这时就拿到了图片所对应的所有的<a>标签 find_all()取去出所有匹配的对象，find()则是取出一条

4、接着取出<a>标签里面的所有img标签

imgObj=[] #用于存储img对象
for s in obj:
    imgObj.append(s.find("img")) #把取出的img对象存入imgObj数组中

5、接着获取img标签中src中的值

srcObj=[] #用于存储图片src对象for o in imgObj:
    srcObj.append(o.get("src"))

这时我们就得到了网页上所有图片的文件路径，下一步就可以进行下载这些图片了

6、下载图片

for img in srcObj:
    with open("D:\\Images\\"+os.path.basename(img),'wb') as f:
        f.write(requests.get(img).content)
    print(os.path.basename(img)+"保存成功")

srcObj为上面所拿到的图片地址，D:\\Images\\为本地保存目录     注意：要用双斜杠     os.path.basename(img)为图片原文件名 也可替换成自己设置文件名   到这里简单的爬虫就已经结束了

7、全部代码如下

import bs4
import requests
import os
req = requests.get(r"http://www.umei.cc/bizhitupian/diannaobizhi/1.htm")
req.encoding="utf-8"
bs = bs4.BeautifulSoup(req.text)
obj = bs.find_all("a",{"class":{"TypeBigPics"}})
objHtml=[]
objImg=[]
for s in obj:
    objHtml.append(s.find("img"))
for o in objHtml:
    objImg.append(o.get("src"))
for img in objImg:
    with open("D:\\pics22223\\"+os.path.basename(img),'wb') as f:
        f.write(requests.get(img).content)
    print(os.path.basename(img)+"保存成功");

8、使用多线程爬取此站所有的图片

这里就直接上源码了

import bs4
import requests
import os
import threading
def ojue(i):
    bs = bs4.BeautifulSoup(requests.get(r"http://www.umei.cc/bizhitupian/diannaobizhi/"+i+".htm").text)
    obj = bs.find_all("a",{"class":{"TypeBigPics"}})
    objHtml=[]
    ImgObj=[]
    for f in obj:
        objHtml.append(f.get("href"))
    for z in objHtml:
        htmlText = bs4.BeautifulSoup(requests.get(z).text)
        Img = htmlText.find_all("img")
        for c in Img:
            ImgObj.append(c.get("src"))
            for img in ImgObj:
                with open("D:\\pics22223\\"+os.path.basename(img),'wb') as f:
                    f.write(requests.get(img).content)
                print(os.path.basename(img)+"保存成功")

for i in range(627): #range()从0开始取到627
    threading.Thread(target=ojue,args=(i+1,)).start() #target 参数是对应的函数名称