python批量下载图⽚的三种⽅法
  ⼀是⽤微软提供的扩展库win32com来操作IE:
win32com可以获得类似js⾥⾯的document对象,但貌似是只读的(⽂档都没到)。
  ⼆是⽤selenium的webdriver:
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。
  三是⽤python⾃带的HTMLParser解析:
HTMLParser则是需要⾃⼰写个类继承基类,重写解析元素的⽅法。
1.win32com
1#将滚动条滑到底,最多滑动20000像素
2#模拟键盘右键,查看多张图⽚
3import sys
4import win32com.client,win32api
quest
6import time
7import os
8def main():
9#获取参数
10    url=sys.argv[1]
11#操作IE
12    ie=win32com.client.Dispatch("InternetExplorer.Application")
13    ie.Navigate(url)
14    ie.Visible=True
15    last_url=''
16    dir_name=''
17while last_url!=url:
18print('\nThe URL is:',url,'\n')
19while ie.ReadyState != 4:
20            time.sleep(1)
21while adyState != "complete":
22            time.sleep(1)
23#滑动滚动条
24        win=ie.Document.parentWindow
25        lastY=-1;
26for i in range(40):
27            win.scrollTo(0,500*i)
28            nowY=win.pageYOffset
29if(nowY==lastY):
30break
31            lastY=nowY
32            time.sleep(0.4)
33print('Document load state:',adyState)
34        doc=ie.Document
35#第⼀次需要创建⽬录
36if(dir_name==''):
37            root_dir='E:\\img'
38            dir_name=root_dir+'\\'+doc.title
39            dir_name=place('|','-')
40if(ists(root_dir)!=True):
41                os.mkdir(root_dir)
42if(ists(dir_name)!=True):
43                os.mkdir(dir_name)
44        all_image=doc.images
45print('共有',all_image.length,'张图⽚')
46        count=0;
47for img in all_image:
48if(img.id=='b_img'):
49                count=count+1
50print(count,img.src)
51                time.sleep(1)
52                img_quest.urlopen(img.src)
53                byte=ad()
54print(count,'donwload complete!','-'*10,'size:','{:.3}'.format(byte.__len__()/1024),'KB')
55if(byte.__len__()>7000):
56                    file_name=place('/','_')
57                    file_name=place(':','_')
58                    end=file_name.__len__()
chrome直接下载
59if(file_name.rfind('!')!=-1):
60                        end=file_name.rfind('!')
61if(file_name.rfind('?')!=-1):
62                        end=file_name.rfind('?')
64                    write_file=open(dir_name+'\\'+file_name,'wb')
65                    write_file.write(byte)
66                    write_file.close()
67print(count,file_name,'complete!')
68#下⼀张
69        last_url=url
70        win32api.keybd_event(39,0)
71        time.sleep(1)
72        url=ie.Document.url
73print(last_url,url)
74#ie.Quit()
75if__name__ == '__main__':
76    main()
2.selenium
1# -*- coding: cp936 -*-
2import sys
3import urllib
4import time
5import os
6from selenium import webdriver
7def main():
8#获取参数
9    url=sys.argv[1]
10#操作IE
11    driver=webdriver.Chrome()
12    (url)
13    ute_script("window.scrollTo(0, document.body.scrollHeight);")
14#创建⽬录
15    dir_name=driver.find_element_by_tag_name('title').text
16print dir_name
17    root_dir='E:\\img'
18    dir_name=root_dir+'\\'+dir_name
19    dir_name=place('|','-')
20if(ists(root_dir)!=True):
21        os.mkdir(root_dir)
22if(ists(dir_name)!=True):
23        os.mkdir(dir_name)
24    images=driver.find_elements_by_tag_name('img')
25    count=0
26for image in images:
27        count=count+1
28        image_url=_attribute('src'))
29        img_file=urllib.urlopen(image_url)
30        byte=ad()
31print count,'donwload complete!','-'*10,'size:',byte.__len__()/1024,'KB'
32if(byte.__len__()>7000):
33            file_name=place('/','_')
34            file_name=place(':','_')
35            end=file_name.__len__()
36if(file_name.rfind('!')!=-1):
37                end=file_name.rfind('!')
38if(file_name.rfind('?')!=-1):
39                end=file_name.rfind('?')
40            file_name=file_name[:end]
41            write_file=open(dir_name+'\\'+file_name,'wb')
42            write_file.write(byte)
43            write_file.close()
44print count,file_name,'complete!'
45    driver.quit()
46if__name__ == '__main__':
47    main()
3.HTMLParser:
1# import modules used here -- sys is a very standard one
2import sys
quest
4# Gather our code in a main() function
5from html.parser import HTMLParser
6class MyHTMLParser(HTMLParser):
7def handle_starttag(self,tag,attrs):
8if(tag=='img'):
9for attr in attrs:
10if(attr[0]=='src'):
11                    img_quest.urlopen(attr[1])
12                    byte=ad()
13#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14if(byte.__len__()>1000):
15                        file_name=attr[1].replace('/','_')
16                        file_name=place(':','_')
18if(file_name.rfind('!')!=-1):
19                            end=file_name.rfind('!')
20if(file_name.rfind('?')!=-1):
21                            end=file_name.rfind('?')
22                        file_name=file_name[:end]
23##                        print(file_name)
24                        write_file=open('E:\\img\\'+file_name,'wb')
25                        write_file.write(byte)
26                        write_file.close()
27def main():
28#获取参数
29    url=sys.argv[1]
30print('\nThe URL is:',url,'\n')
31#读取url所指向的资源
32    html_quest.urlopen(url)
33    byte_content=ad()
34#将html⽹页保存起来
35    url_file=open('E:\\img\\html\\result.htm','wb')
36    url_file.write(byte_content)
37    url_file.close()
38#从字节转换为字符串
39    s=str(byte_content, encoding = "utf-8")
40#print(s)
41#bytes.decode(ad())
42    parser=MyHTMLParser(strict=False)
43    parser.feed(s)
44# Standard boilerplate to call the main() function to begin 45# the program.
46if__name__ == '__main__':
47    main()