python下载网页里面所有的图片-python批量下载图片的三种方法

有三种方法，一是用微软提供的扩展库win32com来操作IE，二是用selenium的webdriver，三是用python自带的HTMLParser解析。win32com可以获得类似js里面的document对象，但貌似是只读的（文档都没找到）。selenium则提供了Chrome，IE，FireFox等的支持，每种浏览器都有execute_script和find_element_by_xx方法，可以方便的执行js脚本（包括修改元素）和读取html里面的元素。不足是selenium只提供对python2.6和2.7的支持。HTMLParser则是需要自己写个类继承基类，重写解析元素的方法。个人感觉selenium用起来更方便，很容易操作html里的元素。

代码如下：

win32com：

#将滚动条滑到底,最多滑动20000像素

#模拟键盘右键，查看多张图片

import sys

import win32com.client,win32api

import urllib.request

import time

import os

def main():

#获取参数

url=sys.argv[1]

#操作IE

ie=win32com.client.Dispatch("InternetExplorer.Application")

ie.Navigate(url)

ie.Visible=True

last_url=''

dir_name=''

while last_url!=url:

print(' The URL is:',url,' ')

while ie.ReadyState != 4:

time.sleep(1)

while ie.Document.readyState != "complete":

time.sleep(1)

#滑动滚动条

win=ie.Document.parentWindow

lastY=-1;

for i in range(40):

win.scrollTo(0,500*i)

nowY=win.pageYOffset

if(nowY==lastY):

break

lastY=nowY

time.sleep(0.4)

print('Document load state:',ie.Document.readyState)

doc=ie.Document

#第一次需要创建目录

if(dir_name==''):

root_dir='E:\img'

dir_name=root_dir+'\'+doc.title

dir_name=dir_name.replace('|','-')

if(os.path.exists(root_dir)!=True):

os.mkdir(root_dir)

if(os.path.exists(dir_name)!=True):

os.mkdir(dir_name)

all_image=doc.images

print('共有',all_image.length,'张图片')

count=0;

for img in all_image:

if(img.id=='b_img'):

count=count+1

print(count,img.src)

time.sleep(1)

img_file=urllib.request.urlopen(img.src)

byte=img_file.read()

print(count,'donwload complete!','-'*10,'size:','{:.3}'.format(byte.__len__()/1024),'KB')

if(byte.__len__()>7000):

file_name=img.src.replace('/','_')

file_name=file_name.replace(':','_')

end=file_name.__len__()

if(file_name.rfind('!')!=-1):

end=file_name.rfind('!')

if(file_name.rfind('?')!=-1):

end=file_name.rfind('?')

file_name=file_name[:end]

write_file=open(dir_name+'\'+file_name,'wb')

write_file.write(byte)

write_file.close()

print(count,file_name,'complete!')

#下一张

last_url=url

win32api.keybd_event(39,0)

time.sleep(1)

url=ie.Document.url

print(last_url,url)

#ie.Quit()

if __name__ == '__main__':

main()

selenium:

# -*- coding: cp936 -*-

import sys

import urllib

import time

import os

from selenium import webdriver

def main():

#获取参数

url=sys.argv[1]

#操作IE

driver=webdriver.Chrome()

driver.get(url)

driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")

#创建目录

dir_name=driver.find_element_by_tag_name('title').text

print dir_name

root_dir='E:\img'

dir_name=root_dir+'\'+dir_name

dir_name=dir_name.replace('|','-')

if(os.path.exists(root_dir)!=True):

os.mkdir(root_dir)

if(os.path.exists(dir_name)!=True):

os.mkdir(dir_name)

images=driver.find_elements_by_tag_name('img')

count=0

for image in images:

count=count+1

image_url=str(image.get_attribute('src'))

img_file=urllib.urlopen(image_url)

byte=img_file.read()

print count,'donwload complete!','-'*10,'size:',byte.__len__()/1024,'KB'

if(byte.__len__()>7000):

file_name=image_url.replace('/','_')

file_name=file_name.replace(':','_')

end=file_name.__len__()

if(file_name.rfind('!')!=-1):

end=file_name.rfind('!')

if(file_name.rfind('?')!=-1):

end=file_name.rfind('?')

file_name=file_name[:end]

write_file=open(dir_name+'\'+file_name,'wb')

write_file.write(byte)

write_file.close()

print count,file_name,'complete!'

driver.quit()

if __name__ == '__main__':

main()

HTMLParser:

# import modules used here -- sys is a very standard one

import sys

import urllib.request

# Gather our code in a main() function

from html.parser import HTMLParser

class MyHTMLParser(HTMLParser):

def handle_starttag(self,tag,attrs):

if(tag=='img'):

for attr in attrs:

if(attr[0]=='src'):

img_file=urllib.request.urlopen(attr[1])

byte=img_file.read()

#文件大于1000b则生成文件,添加计数，下载多少图片，显示html代码

if(byte.__len__()>1000):

file_name=attr[1].replace('/','_')

file_name=file_name.replace(':','_')

end=file_name.__len__()

if(file_name.rfind('!')!=-1):

end=file_name.rfind('!')

if(file_name.rfind('?')!=-1):

end=file_name.rfind('?')

file_name=file_name[:end]

## print(file_name)

write_file=open('E:\img\'+file_name,'wb')

write_file.write(byte)

write_file.close()

def main():

#获取参数

url=sys.argv[1]

print(' The URL is:',url,' ')

#读取url所指向的资源

html_file=urllib.request.urlopen(url)

byte_content=html_file.read()

#将html网页保存起来

url_file=open('E:\img\html\result.htm','wb')

url_file.write(byte_content)

url_file.close()

#从字节转换为字符串

s=str(byte_content, encoding = "utf-8")

#print(s)

#bytes.decode(html_file.read())

parser=MyHTMLParser(strict=False)

parser.feed(s)

# Standard boilerplate to call the main() function to begin

# the program.

if __name__ == '__main__':

main()

python下载网页里面所有的图片-python批量下载图片的三种方法相关推荐

android系统通过图片绝对路径获取URI的三种方法
老马的技术博客 android系统通过图片绝对路径获取URI的三种方法最近做项目要通过图片的绝对路径找到图片的URI,然后删除图片,小小总结一下获取URI的方法,亲自试验在 android 4.1. ...
python求1到n的乘积_Python实现矩阵相乘的三种方法小结
问题描述分别实现矩阵相乘的3种算法,比较三种算法在矩阵大小分别为22∗2222∗22, 23∗2323∗23, 24∗2424∗24, 25∗2525∗25, 26∗2626∗26, 27∗2727 ...
c调用python keras模型_使用TensorFlow 2.0创建Keras模型的三种方法
TensorFlow 2.0和tf.keras提供了三种方式来实现神经网络模型:Sequential API Functional API Model subclassing 下面我将分别使用这三种方 ...
Python配置新环境时，复制已经安装好虚拟环境的三种方法
在用Python开发项目时,经常需要在特定的虚拟环境配置下才可以运行,这时就需要我们重新配置一个新的虚拟环境,新的虚拟环境得重新安装很多包,这就很麻烦了,那能不能在之前配置过的虚拟环境基础上安装其它新 ...
【网页前端实现多张图片轮播或者切换】三种方法实现
多张图片轮播今天我们主要用三种方式实现多张图片轮播,运用的语言是web中的html,使用软件是HBuilder. 达到以下这种效果:![可以通过下方原点点击或者左右两侧点击进行图片的切换](http ...
android 缩略图uri_课题_android系统通过图片绝对路径获取URI的三种方法
最近做项目要通过图片的绝对路径找到图片的 URI ,然后删除图片,小小总结一下获取 URI 的方法,亲自试验在 android 4.1.3 的系统上都是可用的. 1. 将所有的图片路径取出,遍历比较 ...
图片怎么批量抠图？这几种方法都可以实现批量抠图
如何将图片进行批量抠图呢?批量抠图可以将大量图片进行快速处理,而不需要进行单独的编辑处理.这样,我们就可以更快地完成我们的工作任务,可以减少单独编辑每张图片所需要的时间和人力成本,从而节省时间和成本, ...
python下载网页歌词_python3个人学习笔记-批量下载分析歌词2
我发现之前自己真是太愚蠢了没有搞清楚正则表达的各种用法. 不同词语的筛选根本不用像re.sub('另一个想替换的内容','另一个替换后的内容',re.sub('想要替换的内容','替换后的内容',x) ...
python 实现账号封禁30分钟---(Redis，Mysql，文件)三种方法
下面写三种方法来实现,用户在规定时间内,输入次数上限,封禁账号的功能. 第一种:使用redis完成用户封禁状态第二种:使用mysql 第三种:使用文件 1.封禁用户流程图第一种方法: Redis ...
图片懒加载的原理--三种方法实现
1. 图片懒加载的背景类似于大型的淘宝商城.京东等网页,设计大量的商品图片信息,如果我们使页面包含的所有图片一次性加载完成,那用户体验很差. 目前流行的做法是滚动动态加载,也就是懒加载,显示在屏幕之 ...

python下载网页里面所有的图片-python批量下载图片的三种方法

python下载网页里面所有的图片-python批量下载图片的三种方法相关推荐

最新文章

热门文章