Python 实用爬虫-04-使用 BeautifulSoup 去水印下载 CSDN 博客图片

Python 实用爬虫-04-使用 BeautifulSoup 去水印下载 CSDN 博客图片

其实没太大用,就是方便一些,因为现在各个平台之间的图片都不能共享,比如说在 CSDN 不能用简书的图片,在博客园不能用 CSDN 的图片。
当前想到的方案就是:先把 CSDN 上的图片都下载下来,再手动更新吧。
所以简单写了一个爬虫用来下载 CSDN 平台上的图片,用于在其他平台上更新图片时用

更多内容,请看代码注释

效果演示

Python 实用爬虫-04-使用 BeautifulSoup 去水印下载 CSDN 博客图片

Python 实用爬虫-04-使用 BeautifulSoup 去水印下载 CSDN 博客图片

Python 源代码

提示: 需要先下载 BeautifulSoup 哦,可以用 pip,也可以直接在 PyCharm 中安装
简单的方法:

Python 实用爬虫-04-使用 BeautifulSoup 去水印下载 CSDN 博客图片

# coding:utf-8 ''' 使用爬虫下载图片: 1.使用 CSDN 博客 2.获取图片连接,并下载图片 3.可去除水印 作者:java997.com ''' import re from urllib import request from bs4 import BeautifulSoup import datetime # 构造无水印纯链接数组 def get_url_array(all_img_href): img_urls = [] for h in all_img_href: # 去掉水印 if re.findall("(.*?)\?", h[1]): h = re.findall("(.*?)\?", h[1]) # 因为这里匹配就只有 src 了, 所以直接用 0 img_urls.append(h[0]) else: # 因为这里还没有处理有 alt 的情况, 所以直接用 1 img_urls.append(h[1]) return img_urls # 构建新目录的方法 def mkdir(path): # 引入模块 import os # 去除首位空格 path = path.strip() # 去除尾部 \ 符号 path = path.rstrip("\\") # 判断路径是否存在 # 存在 True # 不存在 False isExists = os.path.exists(path) # 判断结果 if not isExists: # 如果不存在则创建目录 # 创建目录操作函数 os.makedirs(path) print('目录 ' + path + ' 创建成功') return True else: # 如果目录存在则不创建,并提示目录已存在 print('目录 ' + path + ' 已存在') return False if __name__ == '__main__': # url = input("请粘贴博客链接") url = "https://blog.csdn.net/qq_40147863/article/details/90484190" # 获取页面 html rsp = request.urlopen(url) all_html = rsp.read() # 一锅清汤 soup = BeautifulSoup(all_html, 'lxml') # bs 自动解码 content = soup.prettify() # 获取标题 tags = soup.find_all(name='title') for i in tags: # .string 是去掉标签, 只打印内容 print(i.string) # 获取正文部分 article = soup.find_all(name='article') # print(article[0]) # 获取图片的链接 all_img_href = re.findall('<img(.*?)src="(.*?)"', str(article)) # 调用函数, 获取去掉水印后的链接数组 img_urls = get_url_array(all_img_href); # 用当前之间为目录名, 创建新目录 now_time = datetime.datetime.now() now_time_str = datetime.datetime.strftime(now_time, '%Y_%m_%d_%H_%M_%S') mkdir(now_time_str) print("----------下载图片-------------") i = 0 for m in img_urls: # 由于没有精确匹配,并不是所有连接都是我们要的课程的连接,排出第一张图片 print('正在下载第' + str(i) + '张:' + m) # 爬取每个网页图片的连接 img_url = request.urlopen(m).read() # img 目录【必须手动创建好】 fp = open(now_time_str+'\\' + str(i) + '.jpg', 'wb') # 写入本地文件 fp.write(img_url) # 目前没有想到更好的方式,暂时只能写一次,关闭一次,如果有更好的欢迎讨论 fp.close() i += 1

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/zwddwy.html