python爬取图片论文

python爬取图片论文

【一、项目背景】

王者荣耀作为当下最火的游戏之一，里面的人物信息更是惟妙惟肖，但受到官网的限制，想下载一张高清的图片很难。(图片有版权)。

以彼岸桌面这个网站为例，爬取王者荣耀图片的信息。

【二、项目目标】

实现将获取到的图片批量下载。

【三、涉及的库和网站】

1、网址如下：

.htm/

2、涉及的库：requests、lxml

【四、项目分析】

首先需要解决如何对下一页的网址进行请求的问题。可以点击下一页的按钮，观察到网站的变化分别如下所示：

.htm

.htm

.htm

观察到只有index_()变化，变化的部分用{}代替，再用for循环遍历这网址，实现多个网址请求。

{}.htm

【五、项目实施】

1、我们定义一个class类继承object，然后定义init方法继承self，再定义一个主函数main继承self。准备url地址和请求头headers。

import requests

from lxml import etree

import time

class ImageSpider(object):

def __init__(self):

self.firsr_url = ".htm"

self.url = "{}.htm"

self.headers = {

"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36"

}

def main(self):

pass

if __name__ == '__main__':

spider= ImageSpider()

spider.main()

2、对网站发生请求。

'''发送请求 获取响应'''

def get_page(self, url):

res = (url=url, headers=self.headers)

html = t.decode("gbk") #网络编码

return html #返回值

3、对请求到的数据进行处理

'''解析数据'''

def parse_page(self, html):

parse_html = etree.HTML(html)

image_src_list = parse_html.xpath('//div[@class="list"]/ul/li/a//@href')

for image_src in image_src_list:

fa = "" + image_src

# print(fa)

4、在谷歌浏览器上，右键选择开发者工具或者按F12。

5、右键检查，找到图片二级的页面的链接，如下图所示。

6、对二级页面发生请求，for遍历得到的网址。

bimg_url = parse_html1.xpath('//div[@class="pic-down"]/a/@href')

for i in bimg_url:

diet = "" + i

# print(diet)

html2 = _page(diet)

parse_html2 = etree.HTML(html2)

# print(parse_html2)

url2 = parse_html2.xpath('//table[@id="endimg"]//tr//td//a/img/@src')

7、将获取的图片写入文档，获取图片的title值作为图片的命名。

filename = parse_html2.xpath('//table[@id="endimg"]//tr//td//a/@title')

for e in filename:

# print(e)

dirname = "./王者荣耀/" + e + '.jpg'

html2 = (url=r, headers=self.headers).content

# print(html2)

print(dirname)

with open(dirname, 'wb') as f:

f.write(html2)

print("%s下载成功" % filename)

8、在main方法调用，如下所示。因为第一页的网址是没有规律的，所以这里先判断一下是不是第一页。

def main(self):

startPage = int(input("起始页:"))

endPage = int(input("终止页:"))

for page in range(startPage, endPage + 1):

if page == 1:

url = self.firsr_url

else:

url = self.url.format(page)

# print(url)

html = _page(url)

print("第%s页爬取成功！！！！" % page)

# print(html)

self.parse_page(html)

【六、效果展示】

1、运行程序，在控制台输入你要爬取的页数，如下图所示。

2、将下载成功的图片信息显示在控制台，如下图所示。

3、在本地可以看到效果图，如下图所示。

【七、总结】

1、不建议抓取太多数据，容易对服务器造成负载，浅尝辄止即可。

2、希望通过这个项目，能够帮助大家下载高清的图片。

3、本文基于Python网络爬虫，利用爬虫库，实现王者荣耀图片的抓取。实现的时候，总会有各种各样的问题，切勿眼高手低，勤动手，才可以理解的更加深刻。

4、英雄有很多，大家自行选择你喜欢的英雄做为你的桌面的壁纸吧。