如何使用Python进行图片数据采集？

发送请求

我们首先确定网址，我们先使用开发者工具，定位到我们要的数据。发现，内容就在网页源代码中。

url = 'https://www.hexuexiao.cn/tj/WuJiayi/'

res = requests.get(url)

# print(res.text)
html_url = re.findall('',res.text,re.S)
urls = sorted(list(set(html_url)), key=html_url.index)

我们这里html_url 变量的值是一个正则表达式对象，用于匹配网站图片的链接。代码块 list(set(html_url)) 将列表对象转换为集合对象，使用 set() 方法将列表对象转换为集合对象，这是一个将列表中的元素转换为集合的方法。html_url.index 是一个整数对象，表示 html_url中各元素在原始 HTML 字符串中出现的次数，以此来实现排序。

保存数据

for url1 in urls:
    for page in range(0,10):
        url2 = f'https://www.hexuexiao.cn/a/{url1}-{page}.html'
        # print(url2)
        res1 = requests.get(url2)
        # print(res1.text)
        url3 = re.findall('',res1.text,re.S)[0]
        print(url3)
        url3=re.sub('',"",url3)
        print(url3)

我们这段代码中的 urls 列表是一个字典，其中键是 URL，值是页码。在循环中，我们使用 range() 函数从 0 到 9 迭代页码。接下来，我们使用 requests.get() 方法分别获取每个页面的 HTML 代码，并使用正则表达式匹配出所有的图片链接。最后，我们使用 requests.get() 方法获取每个图片链接的内容，并将其写入一个文件中。

保存图片

 content = requests.get(url3).content
        with open('图片\' + str(num) + '.jpg', mode='wb') as f:
            f.write(content)

我们这段代码中的 content 变量的值是从图片链接 url3 中获取的内容。然后，使用 with open() 语句打开一个二进制文件，并将 content 写入文件中。在这个过程中，num 变量的值是当前文件中的图片序号。获取图片和我们之前获取音频一样，都是保存成二进制文件。

这样，我们的图片数据就保存下来了。这里，我就不展示效果了，原理都是一样的，找到图片的地址，我们就可以获取下来。