这篇教程Python爬取动态网页中图片的完整实例写得很实用，希望能帮到您。
动态网页爬取是爬虫学习中的一个难点。本文将以知名插画网站pixiv为例，简要介绍动态网页爬取的方法。 写在前面
本代码的功能是输入画师的pixiv id，下载画师的所有插画。由于本人水平所限，所以代码不能实现自动登录pixiv，需要在运行时手动输入网站的cookie值。 重点：请求头的构造，json文件网址的查找，json中信息的提取 分析
创建文件夹 根据画师的id创建文件夹（相关路径需要自行调整）。 def makefolder(id): # 根据画师的id创建对应的文件夹 try: folder = os.path.join('E:/pixivimages', id) os.mkdir(folder) return folder except(FileExistsError): print('the folder exists!') exit()获取作者所有图片的id 访问url：https://pixiv.net/ajax/user/画师id/profile/all（这个json可以在画师主页url：https://www.pixiv.net/users/画师id 的开发者面板中找到，如图：） 
json内容： 
将json文档转化为python的字典，提取对应元素即可获取所有的插画id。 def getAuthorAllPicID(id, cookie): # 获取画师所有图片的id url = 'https://pixiv.net/ajax/user/' + id + '/profile/all' # 访问存有画师所有作品 headers = { 'User-Agent': user_agent, 'Cookie': cookie, 'Referer': 'https://www.pixiv.net/artworks/' # referer不能缺少，否则会403 } res = requests.get(url, headers=headers, proxies=proxies) if res.status_code == 200: resdict = json.loads(res.content)['body']['illusts'] # 将json转化为python的字典后提取元素 return [key for key in resdict] # 返回所有图片id else: print("Can not get the author's picture ids!") exit()获取图片的真实url并下载 访问url:https://www.pixiv.net/ajax/illust/图片id?lang=zh，可以看到储存有图片真实地址的json：（这个json可以在图片url：https://www.pixiv.net/artworks/图片id 的开发者面板中找到） 
用同样的方法提取json中有用的元素： def getPictures(folder, IDlist, cookie): # 访问图片储存的真实网址 for picid in IDlist: url1 = 'https://www.pixiv.net/artworks/{}'.format(picid) # 注意这里referer必不可少,否则会报403 headers = { 'User-Agent': user_agent, 'Cookie': cookie, 'Referer': url1 } url = 'https://www.pixiv.net/ajax/illust/' + str(picid) + '?lang = zh' #访问储存图片网址的json res = requests.get(url, headers=headers, proxies=proxies) if res.status_code == 200: data = json.loads(res.content) picurl = data['body']['urls']['original'] # 在字典中找到储存图片的路径与标题 title = data['body']['title'] title = changeTitle(title) # 调整标题 print(title) print(picurl) download(folder, picurl, title, headers) else: print("Can not get the urls of the pictures!") exit()def changeTitle(title): # 为了防止 global i title = re.sub('[*:]', "", title) # 如果图片中有下列符号,可能会导致图片无法成功下载 # 注意可能还会有许多不能用于文件命名的符号,如果找到对应符号要将其添加到正则表达式中 if title == '無題': # pixiv中有许多名为'無題'(日文)的图片,需要对它们加以区分以防止覆盖 title = title + str(i) i = i + 1 return titledef download(folder, picurl, title, headers): # 将图片下载到文件夹中 img = requests.get(picurl, headers=headers, proxies=proxies) if img.status_code == 200: with open(folder + '//' + title + '.jpg', 'wb') as file: # 保存图片 print("downloading:" + title) file.write(img.content) else: print("download pictures error!")完整代码
import requestsfrom fake_useragent import UserAgentimport jsonimport reimport osglobal ii = 0ua = UserAgent() # 生成假的浏览器请求头,防止被封ipuser_agent = ua.random # 随机选择一个浏览器proxies = {'http': 'http://127.0.0.1:51837', 'https': 'http://127.0.0.1:51837'} # 代理,根据自己实际情况调整,注意在请求时一定不要忘记代理!!def makefolder(id): # 根据画师的id创建对应的文件夹 try: folder = os.path.join('E:/pixivimages', id) os.mkdir(folder) return folder except(FileExistsError): print('the folder exists!') exit()def getAuthorAllPicID(id, cookie): # 获取画师所有图片的id url = 'https://pixiv.net/ajax/user/' + id + '/profile/all' # 访问存有画师所有作品 headers = { 'User-Agent': user_agent, 'Cookie': cookie, 'Referer': 'https://www.pixiv.net/artworks/' } res = requests.get(url, headers=headers, proxies=proxies) if res.status_code == 200: resdict = json.loads(res.content)['body']['illusts'] # 将json转化为python的字典后提取元素 return [key for key in resdict] # 返回所有图片id else: print("Can not get the author's picture ids!") exit()def getPictures(folder, IDlist, cookie): # 访问图片储存的真实网址 for picid in IDlist: url1 = 'https://www.pixiv.net/artworks/{}'.format(picid) # 注意这里referer必不可少,否则会报403 headers = { 'User-Agent': user_agent, 'Cookie': cookie, 'Referer': url1 } url = 'https://www.pixiv.net/ajax/illust/' + str(picid) + '?lang = zh' #访问储存图片网址的json res = requests.get(url, headers=headers, proxies=proxies) if res.status_code == 200: data = json.loads(res.content) picurl = data['body']['urls']['original'] # 在字典中找到储存图片的路径与标题 title = data['body']['title'] title = changeTitle(title) # 调整标题 print(title) print(picurl) download(folder, picurl, title, headers) else: print("Can not get the urls of the pictures!") exit()def changeTitle(title): # 为了防止 global i title = re.sub('[*:]', "", title) # 如果图片中有下列符号,可能会导致图片无法成功下载 # 注意可能还会有许多不能用于文件命名的符号,如果找到对应符号要将其添加到正则表达式中 if title == '無題': # pixiv中有许多名为'無題'(日文)的图片,需要对它们加以区分以防止覆盖 title = title + str(i) i = i + 1 return titledef download(folder, picurl, title, headers): # 将图片下载到文件夹中 img = requests.get(picurl, headers=headers, proxies=proxies) if img.status_code == 200: with open(folder + '//' + title + '.jpg', 'wb') as file: # 保存图片 print("downloading:" + title) file.write(img.content) else: print("download pictures error!")def main(): global i id = input('input the id of the artist:') cookie = input('input your cookie:') # 半自动爬虫,需要自己事先登录pixiv以获取cookie folder = makefolder(id) IDlist = getAuthorAllPicID(id, cookie) getPictures(folder, IDlist, cookie)if __name__ == '__main__': main()效果 
总结到此这篇关于Python爬取动态网页中图片的文章就介绍到这了,更多相关Python爬取动态网页图片内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python jieba 中文分词与词频统计的操作
Python 启动时选择32位 或64位版的操作 |
