日韩成人一区二区,日本不卡一区二区,亚洲色图网站

Python 爬蟲圖片簡單實現

經常在逛知乎，有時候希望把一些問題的圖片集中保存起來。于是就有了這個程序。這是一個非常簡單的圖片爬蟲程序，只能爬取已經刷出來的部分的圖片。由于對這一部分內容不太熟悉，所以只是簡單說幾句然后記錄代碼，不做過多的講解。感興趣的可以直接拿去用。親測對于知乎等網站是可用的。

上一篇分享了通過url打開圖片的方法，目的就是先看看爬取到的圖片時什么樣，然后再篩選一下保存。

這里用到了requests庫來獲取頁面信息，需要注意的是，獲取頁面信息的時候需要一個header，用以把程序偽裝成瀏覽器去訪問服務器，不然可能會被服務器拒絕。然后用BeautifulSoup來過濾多余信息得到圖片地址。得到圖片后，根據圖片的大小過濾掉一些頭像、表情包之類的小圖片。最后打開或者保存圖片的時候選擇就比較多了，OpenCV，skimage，PIL等都可以。

程序如下：

									# -*- coding=utf-8 -*-

									import requests as req

									from bs4 import BeautifulSoup

									from PIL import Image

									from io import BytesIO

									import os

									from skimage import io

									url = "https://www.zhihu.com/question/37787176"

									headers = {'User-Agent' : 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.96 Mobile Safari/537.36'}

									response = req.get(url,headers=headers)

									content = str(response.content)

									#print content

									soup = BeautifulSoup(content,'lxml')

									images = soup.find_all('img')

									print u"共有%d張圖片" % len(images)

									if not os.path.exists("images"):

									  os.mkdir("images")

									for i in range(len(images)):

									  img = images[i]

									  print u"正在處理第%d張圖片..." % (i+1)

									  img_src = img.get('src')

									  if img_src.startswith("http"):

									    ## use PIL

									    '''

									    print img_src

									    response = req.get(img_src,headers=headers)

									    image = Image.open(BytesIO(response.content))

									    w,h = image.size

									    print w,h

									    img_path = "images/" + str(i+1) + ".jpg"

									    if w>=500 and h>500:

									      #image.show()

									      image.save(img_path)

									    '''

									    ## use OpenCV

									    import numpy as np

									    import urllib

									    import cv2

									    resp = urllib.urlopen(img_src)

									    image = np.asarray(bytearray(resp.read()), dtype="uint8")

									    image = cv2.imdecode(image, cv2.IMREAD_COLOR)

									    w,h = image.shape[:2]

									    print w,h

									    img_path = "images/" + str(i+1) + ".jpg"

									    if w>=400 and h>400:

									      cv2.imshow("Image", image)

									      cv2.waitKey(3000)

									      ##cv2.imwrite(img_path,image)

									    ## use skimage

									    ## image = io.imread(img_src)

									    ## w,h = image.shape[:2]

									    ## print w,h

									    #io.imshow(image)

									    #io.show()

									    ## img_path = "images/" + str(i+1) + ".jpg"

									    ## if w>=500 and h>500:

									      ## image.show()

									      ## image.save(img_path)

									      ## io.imsave(img_path,image)

									print u"處理完成！"