問題

爬蟲抓取網頁的時候，遇到有的圖片是 base64 編碼的格式，要怎樣下載到本地呢？

示例：base64 編碼的 img 標籤

<!-- 內容太長省略一部分 -->
<img src="data:image/png;base64,/9j/4S/+RXhpZgAATU0AKgAAAAgAAAAAA...km7SSkpf/9k=">

解決方案

以上文為例，當我們解析到 src 屬性後，可以做如下處理：

>>> import base64
>>> 
>>> # src 屬性
>>> src
'data:image/png;base64,/9j/4S/+RXhpZgAATU0AKgAAAAgAAAAAA...km7SSkpf/9k='
>>>
>>> # 提取內容部分
>>> info, b64_data = src.split('base64,', 1)
>>> 
>>> # 提取檔案格式
>>> fmt = info.split('image/')[-1].replace(';', '')
>>> 
>>> # 解碼內容
>>> binary_data = base64.urlsafe_b64decode(b64_data)
>>>
>>> # 儲存到檔案
>>> with open('this_image_was_from_base64.' + fmt, 'wb') as f:
...		f.write(binary_data)
 

擴充套件

• 標準庫中的 base64 模組也提供了 urlsafe_b64encode 方法，可以將檔案型別的物件編碼為 base64，不過對於專注於爬蟲業務的工作者基本可以無視

• Data URL 由 data: 字首、MIME 型別（表明資料型別）、base64 標誌位（如果是文字，則可選）以及資料本身四部分組成，如：

  data:[<mediatype>][;base64],data
  

  其中，mediatype 是一個MIME（Multipurpose Internet Mail Extension）型別字串，如 image/jpeg 表示一個 JPEG 圖片檔案。如果省略，預設值為 text/plain;charset=US-ASCII

  ，瞭解它的構成對於解析很有幫助