本文介紹下載python下載網路圖片的方法，包括通過圖片url直接下載、通過re/beautifulSoup解析html下載以及對動態網頁的處理等。

通過pic_url單個/批量下載

已知圖片url，例如http://xyz.com/series-*(1,2..N).jpg，共N張圖片，其連結形式較為固定，這樣經簡單迴圈，直接通過`f.write(requests.get(url).content)'即可以二進位制形式將圖片寫入。

import os
import requests

def download(file_path,picture_url):
	headers = {
		"User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 			(KHTML,like Gecko) Chrome/63.0.3239.132 Safari/537.36 QIHU 360SE",}
	r = requests.get(picture_url,headers=headers)
	with open(file_path,'wb') as f:
		f.write(r.content)

def main():
	os.makedirs('./pic/',exist_ok=True) # 輸出目錄

	prefix_url = 'http://xyz.com/series-' # 同一類目下的圖片url字首
	n = 6 # 該類目下的圖片總數

	tmp = prefix_url.split('/')[-1]
	for i in range(1,n + 1):
		file_path = './pic/' + tmp + str(i) + '.jpg'
		picture_url = prefix_url + str(i) + '.jpg'
		download(file_path,picture_url)
		

if __name__ == '__main__':
	main()

正則re解析html獲取pic_url後下載

在實際操作中，圖片url按序排列情況較少，多數情況下使用者僅知道網頁url，需要對當前網頁htnl內容進行解析，獲取原始碼中包含的圖片url，常用方法有正則表示式匹配或BeautifulSoup等庫解析的方法。

正則re解析的思路是：首先通過 requests.get(url).text 獲得當前頁面html原始碼；然後通過正則表示式匹配圖片url，如 re.compile(r'[a-zA-z]+://[^\s]*\.jpg') 正則式一般會得到.jpg結尾的url，但其他網站圖片url可能會以.png或.webp等結尾，甚至需要其他的正則匹配，為此，讀者需要對正則表示式有所瞭解，強烈推薦 正則表示式30分鐘入門教程 ；將前一步得到的圖片url加入列表，進行下載。

import os
import re
import requests

def get_html(url):
  headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML,like Gecko) Chrome/83.0.4103.97 Safari/537.36 ",}
  html = requests.get(url,headers=headers).text

  return html

def parse_html(html_text):
  picre = re.compile(r'[a-zA-z]+://[^\s]*\.jpg') # 本正則式得到.jpg結尾的url
  pic_list = re.findall(picre,html_text)

  return pic_list

def download(file_path,pic_url):
  headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML,}
  r = requests.get(pic_url,headers=headers)
  with open(file_path,'wb') as f:
    f.write(r.content)

def main():
  # 使用時修改url即可
  url = 'http://xyz.com/series'
  html_text = get_html(url)
  pic_list = parse_html(html_text)

  os.makedirs('./pic/',exist_ok=True) # 輸出目錄
  for pic_url in pic_list:
    file_name = pic_url.split('/')[-1]
    file_path = './pic/' + file_name

    download(file_path,pic_url)
if __name__ == '__main__':
  main()

通過bs4獲取pic_url

與正則匹配思路類似，只不過通過Beautiful Soup解析html獲得圖片url列表，然後依次下載圖片。由於各網站html結構有差異，使用者需要自行進行適當修改。以下程式碼是對豆瓣圖片的下載。

import os
import time
import requests
from bs4 import BeautifulSoup

def get_html(url):
  headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 			(KHTML,like Gecko) Chrome/68.0.3440.106 Safari/537.36',headers=headers).text

  return html

def parse_html(html_text):
  soup = BeautifulSoup(html_text,'html.parser')
  li = soup.find_all('div',attrs={'class':'cover'})

  pic_list = []
  for link in li:
    pic_url = link.find('img').get('src')
    pic_url = pic_url.replace('/m/','/l/')
    pic_list.append(pic_url)

  return pic_list

def download(file_path,'wb') as f:
    f.write(r.content)

def main():
  '從豆瓣下載石原里美圖片，觀察發現每頁包含30張圖片，其url按30遞增，如下所示'
  pic_list = []
  for i in range(10):
    url = 'https://movie.douban.com/celebrity/1016930/photos/?type=C&start=' + str(30*i) + '&sortby=like&size=a&subtype=a'
    html_text = get_html(url)
    pic_list += parse_html(html_text)
    
  os.makedirs('./pic/',exist_ok=True) # 輸出目錄

  for i,pic_url in enumerate(pic_list):
    if i%30 == 0:
      print('正在下載第%s頁'%(i/30+1))
    file_name = pic_url.split('/')[-1].split('.')[0] + '.jpg'
    file_path = './pic/' + file_name

    download(file_path,pic_url)

if __name__ == '__main__':
  main()

在下載圖片時，發現可以直接訪問圖片的縮圖url進行下載，但由於豆瓣的反爬策略，直接訪問原圖url會被伺服器拒絕，見下圖。解決方法見下一部分。

可能遇到的問題

網站反爬蟲機制

• User-Agent：模擬瀏覽器訪問，新增後，伺服器會認為是瀏覽器正常的請求。一般與網頁操作相關訪問都予以新增。
• Referer：瀏覽器以此來判斷你從哪一個網頁跳轉過來。例如在上述豆瓣圖片的下載示例中，直接輸入網址會被拒絕，但你在網站一步步點選卻會在同一地址中得到內容，這就是因為你在一步步訪問時是有一個前序跳轉地址的，這個地址可以通過“F12”在header中得到，如果找不到的話試一試根目錄地址“ movie.douban.com/”，或是前幾步的地址”… GitHub倉庫'adv_bs4_url.py‘檔案 。
• ip偽裝：構建ip池。
• Cookie偽裝：cookie是伺服器用來辨別你此時的狀態的，每一次向伺服器請求cookie都會隨之更新。
• 常用正則式匹配

網頁的資料採用非同步載入，如js渲染的頁面或ajax載入的資料通過get不到完整頁面原始碼。

一種方案是常說的動態爬蟲，即採用一些第三方的工具，模擬瀏覽器的行為載入資料，如Selenium、PhantomJs等。網路上有較多介紹文章，有點麻煩就沒有自己寫了，後續有需求的話在做吧，不過其他方法已經夠用了。

另外可以通過分析頁面，找到請求借口，載入頁面。其核心就是跟蹤頁面的互動行為 JS 觸發排程，分析出有價值、有意義的核心呼叫（一般都是通過 JS 發起一個 HTTP 請求），然後我們使用 Python 直接訪問逆向到的連結獲取價值資料。通過"F12”進行分析，例如對於花瓣網，可以獲得其連結為" huaban.com/search/?q=石… request.urlopen(url).read() 讀取網頁。

Pyautogui，滑鼠模擬點選的“傻瓜式”流程

本方法僅適用於重複性的工作，而且效率較低，但完全沒有被反爬蟲策略遮蔽的風險。其核心思想與word中的“巨集”類似，就是你告訴計算機一次迴圈中滑鼠分別如何操作，然後讓其自動迴圈。程式碼簡單明瞭。

import pyautogui
import time

pyautogui.FAILSAFE = True

def get_mouse_positon():
  time.sleep(3) # 此間將滑鼠移動到初始位置
  x1,y1 = pyautogui.position()
  print(x1,y1)
  pyautogui.click(x=x1,y=y1,button='right') # 模擬滑鼠右鍵點選，撥出選單
  time.sleep(5) # 此間將滑鼠移動到“save image as...”選項中央
  x2,y2 = pyautogui.position()
  print(x2,y2)
  pyautogui.click(x=x2,y=y2) # 模擬滑鼠左鍵點選，點中“save image as...”
  time.sleep(10) # 此間彈出儲存檔案彈窗，自行選擇儲存位置，並將滑鼠移至“儲存(S)”按鈕中央
  x3,y3 = pyautogui.position()
  pyautogui.click(x=x3,y=y3)
  print(x3,y3)


def click_download(N):
  for i in range(N): # 擬下載圖片數量
    pyautogui.click(x=517,y=557,duration=0.25,button='right') # 撥出選單，自行將x/y設定為x1/y1
    time.sleep(1)
    pyautogui.click(x=664,y=773,duration=0.25) # 下載，x/y為x2/y2
    time.sleep(1)
    pyautogui.click(x=745,y=559,duration=0.25) # 儲存，x/y為x3/y3
    time.sleep(1)
    pyautogui.click(x=517,duration=0.25) # 進入下一張圖片
    time.sleep(2) # 取決於網路載入速度，自行設定
 if __name__ == "__main__":
  # get_mouse_positon() # 一開始只執行此命令，獲取螢幕座標，後續註釋掉該句
  click_download(10)

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。