Python采集图片数据的实现示例

2023-05-17 20:05:48 数据 示例 采集

前言:

网络时代,图片已经成为了我们生活中不可或缺的一部分。随着各种社交媒体的兴起,我们可以在网上看到越来越多的图片,但是如何从这些图片中获取有价值的信息,如何从中提取有用的知识,却是一个需要我们思考和探索的问题。本文将介绍如何采集某个网站的图片,并从中获取有用的信息和知识。

发送请求

1682337612463.png

我们首先确定网址,我们先使用开发工具,定位到我们要的数据。发现,内容就在网页源代码中。

url = 'https://www.hexuexiao.cn/tj/WuJiayi/'

res = requests.get(url)

# print(res.text)
html_url = re.findall('<a href="Https://www.hexuexiao.cn/a/(\d+).html" rel="external nofollow"  >',res.text,re.S)
urls = sorted(list(set(html_url)), key=html_url.index)

我们这里html_url 变量的值是一个正则表达式对象,用于匹配网站图片的链接。代码块 list(set(html_url)) 将列表对象转换为集合对象,使用 set() 方法将列表对象转换为集合对象,这是一个将列表中的元素转换为集合的方法。html_url.index 是一个整数对象,表示 html_url中各元素在原始 HTML 字符串中出现的次数,以此来实现排序

保存数据

for url1 in urls:
    for page in range(0,10):
        url2 = f'https://www.hexuexiao.cn/a/{url1}-{page}.html'
        # print(url2)
        res1 = requests.get(url2)
        # print(res1.text)
        url3 = re.findall('<img src=(.*?)/></a>',res1.text,re.S)[0]
        print(url3)
        url3=re.sub('',"",url3)
        print(url3)
       

我们这段代码中的 urls 列表是一个字典,其中键是 URL,值是页码。在循环中,我们使用 range() 函数从 0 到 9 迭代页码。接下来,我们使用 requests.get() 方法分别获取每个页面的 HTML 代码,并使用正则表达式匹配出所有的图片链接。最后,我们使用 requests.get() 方法获取每个图片链接的内容,并将其写入一个文件中。

保存图片

 content = requests.get(url3).content
        with open('图片\' + str(num) + '.jpg', mode='wb') as f:
            f.write(content)

我们这段代码中的 content 变量的值是从图片链接 url3 中获取的内容。然后,使用 with open() 语句打开一个二进制文件,并将 content 写入文件中。在这个过程中,num 变量的值是当前文件中的图片序号。获取图片和我们之前获取音频一样,都是保存成二进制文件。

这样,我们的图片数据就保存下来了。这里,我就不展示效果了,原理都是一样的,找到图片的地址,我们就可以获取下来。

总结:

python采集图片是一项非常重要的任务,它可以帮助我们从海量的信息中提取有用的信息和知识。在本文中,我们将介绍如何采集某个网站的图片,并从中获取有用的信息和知识。首先,我们需要明确自己的目的和需求,选择适合自己的采集方式和策略。其次,我们需要学会使用各种工具和方法,包括搜索引擎、浏览器插件、图片处理工具等,来获取图片。在处理图片时,我们需要注意保证图片的质量和清晰度,避免出现模糊、失真等问题。最后,我们需要总结经验教训,不断改进自己的采集方式和策略,提高采集效率和质量。

到此这篇关于Python采集图片数据的实现示例的文章就介绍到这了,更多相关Python采集图片数据内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!

相关文章