Python 爬虫下载热门图片教程

现在基于python的爬虫实战项目，网络上的资料还是非常多的，但是本节介绍的爬虫略有不同：同样的是下载某个网页的美女图片，不同的是我们这里利用人工智能筛选出漂亮的。爬虫咱们慢慢说，筛选的原理很简单，参考 python实战小项目，人脸检测，让电脑对你的颜值打分 小节。

什么是网络爬虫？

网络爬虫也叫网络蜘蛛（spider），它的官方定义可以去百科查，这里咱们只通俗的说什么是网络爬虫，可能不准确，但是相对更好理解，还是举例说明。

有时候，你可能从某个网页上看到一段信息，觉得非常符合口味，于是动手把它存下来了。这个读取并且存储数据的过程，和一次网络爬虫爬取是类似的。百度，谷歌等搜索引擎，相信大家都用过，它是怎么实现搜索功能的呢？

其实全靠爬虫。他们的网络爬虫不停的爬取互联网的信息并且把认为有用的存下来，当用户输入关键词搜索时，百度谷歌把关键词和自己的数据库匹配，把最相关的网页展示给用户，这样就完成了一次搜索。

咱们再设想一个场景：有一天，你可能看到某个网站上很多信息都很好，一个一个网页的打开并且存储真是麻烦死了。那么这个时候就可以借助网络爬虫，甚至把整个网站的信息都爬取下来。这也是爬虫的一个用途。

python网络爬虫

经过上面的解释，可以知道，网络爬虫的行为和咱们使用浏览器的行为很像。那么，这里介绍的python网络爬虫其实就是模拟浏览器的。

上图是一组图片，如果咱们想把这些图片都保存下来，一张一张的保存实在太费事了。好像有迅雷可以下载全部链接，但是它会把不该下载的也下载下来，比如红框圈中的那个怪男。

右键，查看网页源代码：

得到很多很多字符，咱们只关心图片链接，打开上图红框圈中的链接，得到图片如下：

显然图片的链接在网页的源代码中，那么怎么写这个python实战项目，网络爬虫呢？

python实战项目

1. 首先获取网页的源代码

实际上就是模拟浏览器请求那个图片网页的网址。不多说，直接看源码，很简单

运行后，会发现刚才咱们在浏览器查看的源代码被打印出来了。

2. python项目实战，提取出图片链接

怎么从一大堆字符里提取出关键的美女图片链接呢？答案是使用正则表达式，关于正则表达式，可以参考：

python基础,什么是正则表达式,正则表达式的使用

使用正则表达式的第一步是找出链接的规律，它在哪些位置出现。这里粗略的试一下：

运行实战项目的 python 网络爬虫脚本，发现我们成功了，得到了一系列的图片地址：

3. python实战项目，下载图片

得到了图片的链接后，咱们怎么把它们存下来呢？答案就是，再模拟浏览器访问一次图片链接，然后把获得的数据写到文件即可。咱们直接上代码：

在执行代码前，先创建一个文件夹 pic 用来存图片，然后执行实战项目python脚本，得到

成功了！

4. python实战项目，筛选图片

可以看到，虽然图片被爬取下来了，但并不是完美的，因为怪男也被下载下来了。怎么筛选呢？实际上，可以参考我们前面的博客：

python实战小项目，人脸检测，让电脑对你的颜值打分

咱们只下载 female（女），颜值大于 55 分的，代码如下：

运行实战项目python脚本，得到结果如下：

可以看出，怪男被剔除了，下载的基本都是颜值较高的美女图片，这样我们就完成了实战项目，python 人工智能爬虫 — 选择性的爬取图片。