python网络爬虫（8）多媒体文件抽取
2020-12-06 23:04
标签：取图 回调 down += lib win port https url 批量下载网页图片 urllib中的request中的urlretrieve方法，可以下载图片 lxml用于解析网页 requests用于获取网站信息 回调函数中，count表示已下载的数据块，size数据块大小，total表示总大小。 在使用urllib中的request中的urlretrieve方法时，加入的回调函数，会在每次数据块传递完毕时触发，传递参数，可作为下载进度使用。 通过request获取图片地址后，通过xpath语法，对全局查找img标签，获取其src属性。即图片地址 归并地址，命名文件路径和文件名，设定回调函数，完成下载。 python网络爬虫（8）多媒体文件抽取 标签：取图 回调 down += lib win port https url 原文地址：https://www.cnblogs.com/bai2018/p/10989324.html目的
导入库
import urllib
from lxml import etree
import requests
定义回调函数
def schedule(count,size,total):
per=100.0*count*size/total
if per>100:
per=100
pass
print(‘当前进度：‘,per)
pass
获取图片地址
user_agent=‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 SE 2.X MetaSr 1.0‘
headers={‘User-Agent‘:user_agent}
r=requests.get(‘https://www.ivsky.com/tupian/keaiertong_t19487/‘,headers=headers)
html=etree.HTML(r.text)
img_urls=html.xpath(‘.//img/@src‘)
下载
i=0
for img_url in img_urls:
urllib.request.urlretrieve(‘http:‘+img_url,‘img‘+str(i)+‘.jpg‘,schedule)
i+=1
print(‘finish‘)
另外一组图片下载的完整代码
import requests
from lxml import etree
import urllib
def schedule(count,size,total):
per=100.0*count*size/total
if per>100:
per=100
pass
print(‘当前进度：‘,per)
pass
user_agent=‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 SE 2.X MetaSr 1.0‘
headers={‘User-Agent‘:user_agent}
for i in range(10):
r=requests.get(‘https://www.ivsky.com/tupian/daimaozi_de_meinv_v52173/pic_8185‘+str(55+i)+‘.html#al_tit‘,headers=headers)
html=etree.HTML(r.text)
url=html.xpath(‘.//*[@id="imgis"]‘)[0].xpath(‘./@src‘)[0]
urllib.request.urlretrieve(‘http:‘+url,‘img‘+str(i)+‘.jpg‘,schedule)#download
print(‘finish‘)