【小白必看】Python爬虫实战之批量下载女神图片并保存到本地

前言

爬取网络上的图片是一种常见的需求，它可以帮助我们批量下载大量图片并进行后续处理。本文将介绍如何使用 Python 编写一个简单的爬虫，从指定网页中获取女神图片，并保存到本地。

运行结果

部分图片

1. 引入所需库

首先需要导入两个库：requests 用于发送网络请求，lxml 用于解析和提取数据。

import requests
from lxml import etree

2. 发送请求获取网页内容

使用 requests.get() 方法发送一个 GET 请求到指定的 URL，并设置了请求头中的 User-Agent，以模拟浏览器发送请求。然后，我们将响应结果的编码设置为 GBK，通过 resp.encoding = 'gbk' 来告诉软件要用中文显示。最后，将获取到的网页内容打印出来。

url = 'http://www.netbian.com/mei/'
resp = requests.get(url, headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.70 Safari/537.36'})
resp.encoding = 'gbk'
print(resp.text)

3. 解析网页内容并提取图片地址和名称

使用 etree.HTML() 方法将网页内容转换成 XPath 可解析的对象。然后，使用 XPath 表达式提取所有图片的 URL 和名称，并将结果存储在 img_urls 和 img_names 列表中。

xp = etree.HTML(resp.text)
img_urls = xp.xpath('//ul/li/a/img/@src')
img_names = xp.xpath('//ul/li/a/img/@alt')

4. 下载并保存图片

使用 zip() 函数将每个图片的 URL 和名称配对，并进行迭代。在迭代过程中，我们发送一个 GET 请求到图片的 URL，并将响应内容保存为图片文件。这里使用了 with open 语句来自动关闭文件。最后，我们将图片保存在 ./图片合成/img_f/ 目录下以图片名称命名。

for u, n in zip(img_urls, img_names):
    print(f'正在下载： 图片名：{n}')
    img_resp = requests.get(u, headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.70 Safari/537.36'})
    with open(f'./图片合成/img_f/{n}.jpg', 'wb') as f:
        f.write(img_resp.content)

完整代码

# 地址
url = 'http://www.netbian.com/mei/'

import requests
from lxml import etree

# 发送请求获取网页内容
resp = requests.get(url,headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.70 Safari/537.36'})
resp.encoding = 'gbk'  # 告诉软件，要用中文给我显示
print(resp.text)  # 打印文本结果

# 使用lxml解析HTML内容
xp = etree.HTML(resp.text)

# 提取图片URL和名称
img_urls = xp.xpath('//ul/li/a/img/@src')
img_names = xp.xpath('//ul/li/a/img/@alt')

# 遍历图片URL和名称，并下载保存到本地
for u, n in zip(img_urls, img_names):
    print(f'正在下载：图片名：{n}')
    img_resp = requests.get(u, headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.70 Safari/537.36'})
    with open(f'./图片合成/img_f/{n}.jpg', 'wb') as f:
        f.write(img_resp.content)

关键代码讲解

 
# 地址
url = 'http://www.netbian.com/mei/'

这里定义了要爬取的网页地址。

import requests
from lxml import etree

导入所需的库：requests 用于发送网络请求，lxml 用于解析和提取数据。

resp = requests.get(url,headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.70 Safari/537.36'})
resp.encoding = 'gbk' # 告诉软件，要用中文给我显示
print(resp.text) # 打印文本结果

通过发送 GET 请求获取指定网页的内容，并指定请求头中的 User-Agent 为浏览器的标识，以模拟浏览器访问。使用 resp.encoding 设置编码为 GBK，以便正确显示中文字符。最后打印响应结果的文本内容。

xp = etree.HTML(resp.text)

使用 lxml 库的 etree.HTML 方法将网页内容转换为可解析的对象。

img_urls = xp.xpath('//ul/li/a/img/@src')
img_names = xp.xpath('//ul/li/a/img/@alt')

使用 XPath 表达式提取图片的 URL 和名称。xpath 函数返回一个列表，其中的元素是按照表达式提取的结果。

for u,n in zip(img_urls,img_names):
    print(f'正在下载： 图片名：{n}')
    img_resp = requests.get(u,headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.70 Safari/537.36'})
    with open(f'./图片合成/img_f/{n}.jpg','wb') as f:
        f.write(img_resp.content)

通过迭代 img_urls 和 img_names 列表，使用 zip 函数将图片的 URL 和名称配对。在迭代的过程中，发送 GET 请求获取图片的响应内容。然后使用 with open 语句打开文件，并将图片内容写入文件中，保存到本地。这里使用了 wb 模式以二进制方式写入文件。

注意：在运行代码之前需要创建一个名为 图片合成/img_f 的文件夹，用于保存下载的图片。

关键点讲解说明：

• 爬虫是一种自动化获取网页内容的技术，可以用于从指定网页上获取数据。
• 通过发送 HTTP 请求，可以获取网页的 HTML 内容。
• 使用 requests 库可以方便地发送请求并获取响应。
• 使用 XPath 表达式可以方便地从 HTML 中提取所需的数据。
• 在爬虫过程中，需要模拟浏览器访问，以防止被网站阻止或误判为恶意行为。
• 下载文件时，可以使用 requests 库的 get 方法获取文件的内容，并使用 open 函数将内容写入文件。

结束语

本文介绍了如何使用 Python 编写一个简单的爬虫，从指定网页中获取女神图片，并保存到本地。通过学习本文，你可以了解基本的网络请求和数据提取技巧，为你未来的爬虫项目打下基础。当使用爬虫进行图片下载时，请确保遵守相关法律法规和网站的使用规定，尊重他人的版权和隐私。同时，注意合理使用爬虫，避免给目标网站和服务器造成过大负担。谨慎、高效地开展爬虫工作，更好地应用于实际开发中。