python 打码图片恢复 python代码图片

作者：刘顺祥   

前言

相信在你的工作中可能会经常用到PPT吧，你在PPT制作过程中有没有这样的困惑，就是可以到哪里找到既高清又无版权争议的图片素材呢？这里强烈推荐ColorHub，这是一个允许个人和商业用途的免费图片网站，真的很赞！从她的主页界面来看，也许你就会爱上她。

那么，如何将网站中的图片存储到本地呢(例如比较关心跟数据相关的素材)？如果做到了，就可以在没有网络的情况下，随心所欲的选择精美图片制作PPT，随时随地的查看自己的图片库。而本文所要跟大家分享的就是这个问题的解决方案。

爬虫思路

我们知道，对于图片网站的抓取，往往需要经过三层网页链接，为了能够直观地理解这三层链接，可以查看下图：

顶层页：是指通过网站主页的搜索栏，搜索出感兴趣的图片方向，便进入到的图片列表页，它的样子是这样的：

次层页：是指点击图片列表页中的某张图片，转而对应到的图片详情页，它的样子是这样的：

目标页：最后就是为了抓取图片详情页中的那张高清图片，而这张图片在网页源代码中就是一个图片链接，它的样子是这样的：

所以，爬虫抓取图片的最终目的就是找到高清图片所对应的链接。接下来将通过代码的介绍，呈现三层链接的寻找和请求过程。代码的每一行都将对应中文解释，如果还有其他疑问，可以在留言区留言，我会第一时间给你答复。

# 导入第三方包
 
   
  
import requests
 
   
  
from bs4 import BeautifulSoup
 
   
  
import random
 
   
  
import time
 
   
  
from fake_useragent import UserAgent
 
   
  
# 通过循环实现多页图片的抓取
 
   
  
for page in range(1,11):
 
   
  
 # 生成顶层图片列表页的链接
 
   
  
 fst_url = r'https://colorhub.me/search?tag=data&page={}'.format(page)
 
   
  
 # 生成UA，用于爬虫请求头的设置
 
   
  
 UA = UserAgent()
 
   
  
 # 向顶层链接发送请求
 
   
  
 fst_response = requests.get(fst_url, headers = {'User-Agent':UA.random})
 
   
  
 # 解析顶层链接的源代码
 
   
  
 fst_soup = BeautifulSoup(fst_response.text)
 
   
  
 # 根据HTML的标记规则，返回次层图片详情页的链接和图片名称
 
   
  
 sec_urls = [i.find('a')['href'] for i in fst_soup.findAll(name = 'div', attrs = {'class':'card'})]
 
   
  
 pic_names = [i.find('a')['title'] for i in fst_soup.findAll(name = 'div', attrs = {'class':'card'})]
 
   
  
 # 对每一个次层链接做循环
 
   
  
 for sec_url,pic_name in zip(sec_urls,pic_names):
 
   
  
 # 生成UA，用于爬虫请求头的设置
 
   
  
 UA = UserAgent()
 
   
  
 ua = UA.random
 
   
  
 # 向次层链接发送请求
 
   
  
 sec_response = requests.get(sec_url, headers = {'User-Agent':ua})
 
   
  
 # 解析次层链接的源代码
 
   
  
 sec_soup = BeautifulSoup(sec_response.text)
 
   
  
 # 根据HTML的标记规则，返回图片链接
 
   
  
 pic_url = 'https:' + sec_soup.find('img',{'class':'card-img-top'})['src']
 
   
  
 # 对图片链接发送请求
 
   
  
 pic_response = requests.get(pic_url, headers = {'User-Agent':ua})
 
   
  
 # 将二进制的图片数据写入到本地(即存储图片到本地)
 
   
  
 with open(pic_name+'.jpg', mode = 'wb') as fn:
 
   
  
 fn.write(pic_response.content)
 
   
  
 # 生成随机秒数，用于也没的停留
 
   
  
 seconds = random.uniform(1,3)
 
   
  
 time.sleep(seconds)

不难发现，代码的核心部分就16行，还是很简单的吧。还不赶快去测试一下这里的代码哦(如果你对某个方面感兴趣，如商务、建筑、植物等，通过搜索，找到顶层页链接，替换代码中的fst_url值即可)。

在运行完如上代码后，将会抓取ColorHub网站中的10页图片，一共包含325张高清图片，展示如下：

结语

OK，今天的内容就分享到这里