Извлечь изображения c веб-страницы на Python

Как извлечь изображения с веб-страницы

Возможность извлекать изображения из HTML очень важна для различных приложений, включая веб-скреппинг и анализ контента. Aspose.HTML for Python via .NET – это надежная библиотека, которая упрощает этот процесс, предлагая разработчикам набор инструментов для удобной навигации и сбора информации из HTML-документов. Это мощное решение идеально подходит для тех, кому нужно собирать изображения для анализа, архивации или создания контента, устраняя необходимость в ручной работе. Давайте рассмотрим, как загружать изображения с веб станиц.

Извлечение изображений на Python

Используя библиотеку Aspose.HTML for Python via .NET, вы можете легко создать собственное приложение, поскольку наш API позволяет программно анализировать и извлекать информацию из HTML-документов. Если вы хотите использовать функции парсинга данных HTML в своем продукте или программно извлекать данные из HTML, смотрите пример кода ниже.

import os
import aspose.html as ah
import aspose.html.net as ahnet

# Prepare output directory
output_dir = "output/"
os.makedirs(output_dir, exist_ok=True)

# Open HTML document from URL
with ah.HTMLDocument("https://docs.aspose.com/svg/net/drawing-basics/svg-color/") as doc:
    # Collect all <img> elements
    images = doc.get_elements_by_tag_name("img")

    # Get distinct relative image URLs
    urls = set(img.get_attribute("src") for img in images)

    # Create absolute image URLs
    abs_urls = [ah.Url(url, doc.base_uri) for url in urls]

    for url in abs_urls:
        # Create a network request
        request = ahnet.RequestMessage(url.href)

        # Send request
        response = doc.context.network.send(request)

        # Check if successful
        if response.is_success:
            # Extract file name
            file_name = os.path.basename(url.pathname)

            # Save image locally
            with open(os.path.join(output_dir, file_name), "wb") as f:
                f.write(response.content.read_as_byte_array())

Шаги по извлечению изображений с веб-страницы

1. Откройте целевой HTML-документ – веб-страницу – с помощью класса HTMLDocument. Этот документ является источником, из которого будут извлечены изображения.
2. Вызовите метод get_elements_by_tag_name(“img”) , чтобы собрать все <img> элементы в HTML-документе.
3. Извлеките уникальные URL-адреса изображений, перебирая коллекцию элементов <img> и обращаясь к атрибуту src каждого элемента с помощью метода get_attribute(“src”) . Сохраните эти URL в наборе, чтобы исключить дублирование.
4. Создавайте абсолютные URL-адреса изображений, передавая каждый относительный или неполный URL-адрес вместе с base_uri документа в конструктор Url. Это гарантирует, что каждый URL будет полным и действительным для доступа к сети.
5. Для каждого абсолютного URL-адреса изображения создайте объект RequestMessage для представления HTTP-запроса, необходимого для получения данных изображения.
6. Используйте метод doc.context.network.send(request) для отправки запроса и получения ответа. Проверьте успешность ответа, оценив свойство is_success.
7. Разберите абсолютный URL-адрес изображения с помощью os.path.basename(), чтобы извлечь имя файла, а затем сохраните содержимое изображения в выходной каталог, записав двоичные данные из ответа в файл.

Используя Aspose.HTML for Python via .NET, вы можете без усилий создать инструмент, который анализирует HTML-страницу, определяет источники изображений и загружает эти изображения. Чтобы узнать больше о том, как программно извлекать различные типы изображений с веб-сайта с помощью Python, обратитесь к статье документации Извлечь изображения с веб-сайта на Python .

Примечание: Всегда соблюдайте законы об авторском праве. Убедитесь, что у вас есть соответствующие права, разрешения или лицензии, прежде чем использовать извлеченные изображения в коммерческих целях. Мы не одобряем и не поддерживаем несанкционированное использование материалов, защищенных авторским правом.

Начало работы с API Python

Если вы хотите анализировать HTML-документы, манипулировать ими и управлять ими, установите наш гибкий и высокоскоростной Aspose.HTML for Python via .NET API. pip – это самый простой способ загрузить и установить Aspose.HTML for Python via .NET. Для этого выполните следующую команду:

pip install aspose-html-net

Более подробную информацию об установке библиотеки Python и системных требованиях можно найти в Документации Apose.HTML.