Вилучення зображень з веб-сторінки на Python

Як витягти зображення з веб-сторінки

Здатність витягувати зображення з HTML має вирішальне значення для різних додатків, включаючи веб-скрепінг та контент-аналіз. Aspose.HTML for Python via .NET – це надійна бібліотека, яка спрощує цей процес, пропонуючи розробникам набір інструментів для зручної навігації та збору інформації з HTML-документів. Давайте розглянемо, як завантажувати зображення з веб-сторінок.

Видобування зображень за допомогою Python

Використовуючи Aspose.HTML for Python via .NET, ви можете легко створити власний додаток, оскільки наш API надає потужний набір інструментів для синтаксичного аналізу та вилучення інформації з HTML-документів. Якщо ви хочете використовувати функції паосінгу даних HTML у своєму продукті або програмно витягувати дані з HTML, дивіться приклад коду нижче.

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())

Кроки для вилучення зображень з веб-сторінки

1. Відкрийте цільовий HTML-документ, веб-сторінку, за допомогою класу HTMLDocument. Цей документ є джерелом, з якого будуть витягнуті зображення.
2. Викличте метод get_elements_by_tag_name(“img”) об’єкта HTMLDocument, щоб зібрати всі елементи <img> у документі HTML.
3. Витягніть унікальні URL-адреси зображень, ітераційно переглядаючи колекцію елементів <img> і отримуючи доступ до атрибуту src кожного елемента за допомогою методу get_attribute(“src”) . Зберігайте ці URL-адреси у вигляді набору, щоб унеможливити їх дублювання.
4. Створюйте абсолютні URL-адреси зображень, передаючи кожну відносну або неповну URL-адресу разом з base_uri документа до конструктора Url. Це гарантує, що кожна URL-адреса буде повною і дійсною для мережевого доступу.
5. Для кожної абсолютної URL-адреси зображення створіть об’єкт RequestMessage для представлення HTTP-запиту, необхідного для отримання даних зображення.
6. Використовуйте метод doc.context.network.send(request) для надсилання запиту та отримання відповіді. Перевірте успішність відповіді, обчисливши властивість is_success.
7. Проаналізуйте абсолютну URL-адресу зображення за допомогою os.path.basename(), щоб отримати ім’я файлу, а потім збережіть вміст зображення у вихідний каталог, записавши двійкові дані з відповіді у файл.

Щоб дізнатися більше про те, як програмно витягувати різні типи зображень з веб-сайту за допомогою Python, зверніться до статті документації Extracting Images from a Website in Python .

Примітка: Завжди поважайте закони про авторське право. Переконайтеся, що у вас є відповідні права, дозволи або ліцензії, перш ніж використовувати витягнуті зображення в комерційних цілях. Ми не схвалюємо і не підтримуємо несанкціоноване використання захищеного авторським правом контенту.

Початок роботи з Python API

Якщо ви хочете аналізувати, маніпулювати та керувати документами HTML, установіть наш гнучкий, високошвидкісний Aspose.HTML for Python via .NET API. pip – це найпростіший спосіб завантажити та встановити Aspose.HTML for Python via .NET. Для цього виконайте таку команду:

pip install aspose-html-net

Додаткову інформацію про встановлення бібліотеки Python і вимоги до системи ви знайдете у документації Apose.HTML.