抓取sankakucomplex图片

本文介绍了如何使用Python爬取sankakucomplex网站的图片,涉及requests、BeautifulSoup4和os库的使用。首先通过requests获取页面,然后解析HTML找到原图URL,接着使用os库保存二进制图片到本地。需要注意的是,由于网站图片URL无文件后缀,需要额外编写脚本为文件批量添加后缀。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

爬取sankakucomplex的图片

学习python 两个月了,终于自己动手做了一个爬虫,如有什么错误还望斧正!
以下是爬取图片的思路
1.用requests库爬取到图片url
2.用BeautifulSoup4库把爬取到的respond内容解析
3.用os库把二进制图片保存到本地

1.requests库获得到图片url

import requests
url="https://chan.sankakucomplex.com"
kv = {
   
   'user-agent': 'Chrome/10.0'}
r = requests.get(url,headers = kv)
r.raise_for_status()
r.encoding = r.apparent_encoding
print(r.text)

在这里插入图片描述
我们发现img的标签下面全都是preview的图片,这不是我们想要的图片url,因此我们必须要找到原图的url。
然而,原图的url不在这个html的里面,因此我们需要访问子连接,进入到例如https://www.sankakucomplex.com/post/show/7201242的网址中
2.BeautifulSoup4库的使用

import requests
from bs4 import BeautifulSoup
import re
url = "https://chan.sankakucomplex.com"
kv = {
   
   'user-agent': 'Chrome/10.0'}
r = requests.get(url,headers = kv)
r.raise_for_status()
r.encoding = r.apparent_encoding
soup = BeautifulSoup(r.text,'html.parser')  #用bs4库把r.text做成(一锅汤)
print(soup.prettify())  #完美的显示html

我们看到在这里插入图片描述
span标签中保存着id =‘p7217638’的信息,因此我们想要把这个提取出来:以下提供两种思路。*一.提取id的信息,并把字符串中的’p’去除。*二.在a标签中提取出href key所对应的内容。
这是第一中方法的代码:

import re,requests
form bs4 in BeautifulSoup
url="https://chan.sankakucomplex.com"
kv = {
   
   'user-agent': 'Chrome/10.0'}
        r = requests.get(url,headers = kv)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        soup = BeautifulSoup(r.text,'lxml')
        p_list =[]
        p_list2 =[]
        for p in soup.find_all('span', 'thumb blacklisted', id=re.compile('p')):  #可以使用正则表达式搜索
            p_list.append(p['id'])    #提取id信息,并用append方法把他添加到p_list列表中
        
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值