python批量爬取图片并保存在本地文件夹下

1.导入的包

我们一共需要使用到四个包

time包，用来设置间隔时间，防止把网页爬崩（要是真的爬崩了我估计要倒大霉喽）

requess包，当然是用来获取网页的源代码和处理相应的啦

BeautifulSoup包，用来对网页内容进行准确的抓取，具体的使用方法以后我会写道

os包，文件处理最重要最常用的包，用来创建文件名等

import time

import requests

from bs4 import BeautifulSoup

import os

2.抓取网页的源代

啥也不用说，直接上代码，增加了容错的机制，很好理解的，一看就懂

#封装方法用来爬取网页的源代码

def getHTML(url):

try:

r = requests.get(url,timeout = 30,headers = hd)

r.raise_for_status() #容错机制，若请求访问失败则返回的不是200，则返回字符串空

r.encoding = r.apparent_encoding #设置编码方式，用解析返回网页源码得出的编码方式代替 UTF-8

return r.text

except:

return ''

其中需要说明的就是更改requests请求的头部，虽然官网对爬虫没有任何限制，处于习惯，还是更改一下头部更好啦

hd = {'user-agent':'chorme/10'}

#更改requests请求的头信息，用来防止网页的反爬虫，也可来伪装自己访问网页的信息，这里用最简单的chorm（浏览器）版本10代替

3.对网页进行解析，从中获取自己想要的图片链接

查看网页的源码，来看爬取图片的所在的标签，上图说话

?

可以直观的看出，自己想要爬取的图片的相关信息都在img标签当中，所以接下来就把所有的img标签爬取，并对其进行分析即可，但是观察发现，不知道问什么，每一张图片的img标签竟然不同，不可以使用正则表达式，而且最气人的是，有的图片有直接在属性中给出相应的下载链接，但有的没有，只能自己拼接，哎，只能使用基本的方法喽，上代码!

url = 'http://soft.sxau.edu.cn/info/1013/2388.htm' #爬取网页的url

picture = 'http://211.82.8.2:8080/system/_owners/soft/_webprj/' #设置下载图片的头部，根据网页源码得出，并不是每一个img标签都有相对应的图片下载链接，但都有相应的src，这里为最后的保存图片做准备

text = getHTML(url)

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

a = soup.find_all('img') #直接找出所有的img标签，观察发现每个图片的img标签并不一样，不能用正则表达式来统一查找

urlInfo = [] #用来保存每一个图片拼接好的下载链接

for tag in a:

new_url = tag.attrs['src'] #得到img属性当中的src

urlInfo.append(picture+new_url.split('/',2)[-1]) #通过spilt函数剪切src并于之前的图片头部进行拼接，得到每个图片的下载地址

每行代码后都有详细的注释哟，拼接这个下载链接真的让我废了功夫，体现出一个初学者的心酸。。。

4.保存下载的图片

先上代码再说话！

#保存图片，思路：将所有的图片保存在本地的一个文件夹下，用图片的url链接的后缀名来命名

dir_name = 'teacherImage' #设置文件夹的名字

if not os.path.exists(dir_name): #os模块判断并创建

os.mkdir(dir_name)

for img_url in urlInfo:

time.sleep(1) #设置间隔时间，防止把网页爬崩

picture_name = img_url.split('/')[-1] #提取图片url后缀

reponse = requests.get(img_url)

with open(dir_name+'/'+picture_name,'wb') as f:

f.write(reponse.content)

主要使用os模块，简单明了快捷，大体推荐，哈哈哈哈哈哈哈

5.出结果

一套武功耍下来，就会出现以下的结果，当然成功啦！

?

山东掌趣网络科技