本文授权转载自数据分析1480,禁二次转载
阅读文本大概需要 5 分钟。
[h3][/h3][h3]前言[/h3]相信在你的工作中可能会经常用到PPT吧,你在PPT制作过程中有没有这样的困惑,就是可以到哪里找到既高清又无版权争议的图片素材呢?这里强烈推荐ColorHub,这是一个允许个人和商业用途的免费图片网站,真的很赞!从她的主页界面来看,也许你就会爱上她。
那么,如何将网站中的图片存储到本地呢(例如比较关心跟数据相关的素材)?如果做到了,就可以在没有网络的情况下,随心所欲的选择精美图片制作PPT,随时随地的查看自己的图片库。而本文所要跟大家分享的就是这个问题的解决方案。
[h3]爬虫思路[/h3]我们知道,对于图片网站的抓取,往往需要经过三层网页链接,为了能够直观地理解这三层链接,可以查看下图:
顶层页:是指通过网站主页的搜索栏,搜索出感兴趣的图片方向,便进入到的图片列表页,它的样子是这样的:
次层页:是指点击图片列表页中的某张图片,转而对应到的图片详情页,它的样子是这样的:
目标页:最后就是为了抓取图片详情页中的那张高清图片,而这张图片在网页源代码中就是一个图片链接,它的样子是这样的:
所以,爬虫抓取图片的最终目的就是找到高清图片所对应的链接。接下来将通过代码的介绍,呈现三层链接的寻找和请求过程。代码的每一行都将对应中文解释,如果还有其他疑问,可以在留言区留言,我会第一时间给你答复。
- from bs4 import BeautifulSoup
复制代码- from fake_useragent import UserAgent
复制代码
- fst_url = r'https://colorhub.me/search?tag=data&page={}'.format(page)
复制代码- fst_response = requests.get(fst_url, headers = {'User-Agent':UA.random})
复制代码- fst_soup = BeautifulSoup(fst_response.text)
复制代码- # 根据HTML的标记规则,返回次层图片详情页的链接和图片名称
复制代码- sec_urls = [i.find('a')['href'] for i in fst_soup.findAll(name = 'div', attrs = {'class':'card'})]
复制代码- pic_names = [i.find('a')['title'] for i in fst_soup.findAll(name = 'div', attrs = {'class':'card'})]
复制代码- for sec_url,pic_name in zip(sec_urls,pic_names):
复制代码- sec_response = requests.get(sec_url, headers = {'User-Agent':ua})
复制代码- sec_soup = BeautifulSoup(sec_response.text)
复制代码- pic_url = 'https:' + sec_soup.find('img',{'class':'card-img-top'})['src']
复制代码- pic_response = requests.get(pic_url, headers = {'User-Agent':ua})
复制代码- # 将二进制的图片数据写入到本地(即存储图片到本地)
复制代码- with open(pic_name+'.jpg', mode = 'wb') as fn:
复制代码- fn.write(pic_response.content)
复制代码- seconds = random.uniform(1,3)
复制代码 不难发现,代码的核心部分就16行,还是很简单的吧。还不赶快去测试一下这里的代码哦(如果你对某个方面感兴趣,如商务、建筑、植物等,通过搜索,找到顶层页链接,替换代码中的fst_url值即可)。
在运行完如上代码后,将会抓取ColorHub网站中的10页图片,一共包含325张高清图片,展示如下:
[h3]结语[/h3]OK,今天的内容就分享到这里,如果你有任何问题,欢迎在公众号的留言区域表达你的疑问。同时,也欢迎各位大咖在留言区分享你们自己的策略,我会第一时间将你的留言分享给大家。
如果你觉得文章还不错,请大家点赞分享下。你的肯定是我最大的鼓励和支持。
仔细阅读下面四篇文章,2小时快速掌握Python基础知识要点。
完整Python基础知识要点
Python小知识 | 这些技能你不会?(一)
Python小知识 | 这些技能你不会?(二)
Python小知识 | 这些技能你不会?(三)
Python小知识 | 这些技能你不会?(四)
我是老表,欢迎转发分享本文。
公众号 简说Python 唯一小编:老表,目前已经建了四个Python学习交流群,一个Java学习交流群,一个考研学习交流群,欢迎大家扫下方二维码加管理员老表微信,备注:Python,Java,考研等,加入对应的学习交流群,和爱学习的小伙伴们一起进步,简说学习交流,期待你的加入。
管理员二维码:
有问题,找老表
!我在看!
|
|