Python 爬蟲圖片簡單實現(xiàn)

經(jīng)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(jīng)刷出來的部分的圖片。由于對這一部分內(nèi)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(wǎng)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(wù)器，不然可能會被服務(wù)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(jù)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 reqfrom bs4 import BeautifulSoupfrom PIL import Imagefrom io import BytesIOimport osfrom skimage import iourl = "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 contentsoup = 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！"

這里給出了多種選擇，供參考。