Python爬取pexels图片-Toy模板网

这篇具有很好参考价值的文章主要介绍了Python爬取pexels图片。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

研究Python爬虫，网上很多爬取pexels图片的案例，我下载下来运行没有成功，总量有各种各样的问题。

作为菜鸟初学者，网上的各个案例代码对我还是有不少启发作用，我用搜索引擎+chatGPT逐步对代码进行了完善。

最终运行成功。特此记录。

运行环境：Win10，Python3.10、Google Chrome111.0.5563.148（正式版本）

 1 import urllib.request
 2 from bs4 import BeautifulSoup
 3 import os
 4 import html
 5 import requests
 6 import urllib.parse
 7 
 8 path = r"C:\Users\xiaochao\pexels"
 9 url_lists = ['https://www.pexels.com/search/book/?page={}'.format(i) for i in range(1, 21)]  #页面范围请自行根据实际情况修改。
10 headers = {
11     "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36",
12     "Referer": "https://www.pexels.com/",
13     "Accept-Language": "en-US,en;q=0.9",
14 }
15 
16 for url in url_lists:
17     print(url)
18     req = urllib.request.Request(url, headers=headers)
19     try:
20         resp = urllib.request.urlopen(req)
21     except urllib.error.HTTPError as e:
22         print("HTTPError occurred: {}".format(e))
23         continue
24 
25     html_content = resp.read().decode()
26     soup = BeautifulSoup(html_content, "html.parser")
27 
28     import re
29     pattern = re.compile('"Download" href="(.*?)/?cs=', re.S)
30     matches = re.findall(pattern, html_content)
31     print(matches)
32 
33     if not os.path.exists(path):
34         os.makedirs(path)
35 
36     for match in matches:
37         match_cleaned = match.split('?')[0]    # 去除图片URL地址最后带的“？”号。
38         print(match_cleaned)   # 输出去除图片URL“？”号的地址
39         match_cleaned = html.unescape(match_cleaned)  #解码 HTML 编码字符，将文件链接还原为正常的 URL 格式
40         match_cleaned = urllib.parse.unquote(match_cleaned)   # 对 URL 进行进一步处理，解码URL，确保它的格式正确，包括删除多余的引号和处理特殊字符。
41         match_cleaned = urllib.parse.urljoin(url, match_cleaned)  # 将相对 URL 转换为绝对 URL
42 
43 
44         # 按URL地址后段命名
45         filename = match_cleaned.split("/")[-1]
46         with open(os.path.join(path, filename), "wb") as f:
47             f.write(requests.get(match_cleaned).content)