Python:批量下载知乎某个特定回答中的图片

完成这个操作主要还是用到了 BeautifulSoup 和 requests 这两个库来提取图片中的地址信息,再加上用到了多进程 + 简单的正则表达式的知识,不是很复杂。加上了一个简单的小功能显示程序运行了多长时间来完成下载图片的操作。

这里的链接必须要用以下的形式:https://www.zhihu.com/question/?????????/answer/?????????就是要有 answer 后面的部分。下载某个问题下的所有回答的所有图片暂时还未实现。有思路的还请留言。

参考:
Quickstart — Requests 2.18.3 documentation
Beautiful Soup 4.4.0 文档 — beautifulsoup 4.4.0 文档
多进程 - 廖雪峰的官方网站

代码如下:

#!/usr/bin/python3
#! -*- coding:utf-8 -*-

from bs4 import BeautifulSoup
from multiprocessing import Pool
import requests,re,time

session = requests.Session()
# 使用手机版的UA ,获取到的页面比电脑版 UA 更容易操作
session.headers.update({'User-Agent':'Mozilla/5.0 (Linux; U; Android 4.4.4; Nexus 5 Build/KTU84P) AppleWebkit/534.30 (KHTML, like Gecko) Version/4.0 Mobile Safari/534.30'})


root_url = 'https://www.zhihu.com/question/51504667/answer/137780139'

def download_save_img(url): #根据地址下载并保存图片

    pattern = re.compile('https://pic([0-9]{1}).zhimg.com/([0-9a-zA-z_.-]+)')
    #知乎图片链接的正则表达式

    for val in url:

        #print(val)
        #hint: 如果只输出了四个地址,请检查接下来的四行内有无错误

        res = pattern.findall(val)
        img = session.get(url=val,timeout=5)

        with open(res[0][1],'wb')as file:
            file.write(img.content) 
            #保存图片,这里可以对 img 的状态进行考虑再进行后续操作
                

if __name__ == '__main__':

    start = time.time() # 开始时间

    s = session.get(root_url)

    if s.status_code == 200:

        soup = BeautifulSoup(s.content,'lxml')
        answer = soup.find('div',attrs={'class':'AnswerItem-content'})
        image = answer.find_all('img',attrs={'class':'origin_image zh-lightbox-thumb lazy'})

        # 显示图片数量
        print('%d image(s) found in %s' % (len(image),root_url))

        #显示回答的内容,显示效果不好暂时隐藏
        #text = answer.find('div',attrs={'class':'RichText'})
        #print(text.getText().replace(' ',''))

        result = []
        for val in image:
            result.append(val['data-actualsrc'])

        p = Pool()

        for i in range(4):
            p.apply_async(download_save_img,args=(result[i::4],))

        p.close() #停止添加新进程
        p.join() #等待所有进程执行

        end = time.time() # 结束时间
        print('finish in %.2f second(s)'%(end-start)) # 输出结果

        #with open('res.html','w') as file:
            #file.write(str(soup.prettify()))

来自个人 Python 文集

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,123评论 6 490
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,031评论 2 384
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 156,723评论 0 345
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,357评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,412评论 5 384
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,760评论 1 289
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,904评论 3 405
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,672评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,118评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,456评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,599评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,264评论 4 328
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,857评论 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,731评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,956评论 1 264
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,286评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,465评论 2 348

推荐阅读更多精彩内容