用 Python 从网页中提取图像

如何从网页中提取图像

从 HTML 中提取图像的能力对于各种应用(包括网络搜刮和内容分析)至关重要。 Aspose.HTML for Python via .NET 是一个功能强大的库，它通过为开发人员提供一系列工具来无缝导航和收集 HTML 文档中的信息，从而简化了这一过程。这个功能强大的解决方案非常适合需要收集图像以进行分析、归档或内容创建的人–消除了手工操作的需要。让我们来探讨一下如何从网页中下载图像。

使用 Python 提取图像

使用 Aspose.HTML for Python via .NET，您可以轻松创建自己的应用程序，因为我们的 API 提供了一套强大的工具来解析和提取 HTML 文档中的信息。如果您想在自己的产品中使用 HTML 数据解析功能，或以编程方式从 HTML 中提取数据，请参阅下面的代码示例。

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())

从网页中提取图像的步骤

1. 使用 HTMLDocument 类打开目标 HTML 文档(网页)。该文档是提取图像的源文件。
2. 调用 HTMLDocument 对象的 get_elements_by_tag_name(“img”) 方法来收集 HTML 文档中的所有 <img> 元素。
3. 通过遍历 <img> 元素集合并使用 get_attribute(“src”) 方法访问每个元素的 src 属性，提取唯一的图像 URL。 将这些 URL 保存在一个集合中，以确保没有重复的 URL。
4. 将每个相对或不完整的 URL 与文档的 base_uri 一起传递给 Url 构造函数，从而创建绝对图像 URL。这样可以确保每个 URL 都是完整的，并且对网络访问有效。
5. 为每个绝对图像 URL 创建一个 RequestMessage 对象，以表示获取图像数据所需的 HTTP 请求。
6. 使用 doc.context.network.send(request) 方法发送请求并接收响应。通过评估 is_success 属性检查响应是否成功。
7. 使用 os.path.basename() 解析绝对图像 URL 以提取文件名，然后通过将响应中的二进制数据写入文件，将图像内容保存到输出目录。

要进一步了解如何使用 Python 以编程方式从网站提取各种类型的图像，请参阅文档文章 Extract Images From Website in Python 。

注： 始终尊重版权法。在将提取的图片用于商业用途之前，请确保您拥有相应的权利、权限或许可证。我们不赞成或支持未经授权使用受版权保护的内容。

开始使用 Python API

如果您想要解析、操作和管理 HTML 文档，请安装我们灵活、高速的 Aspose.HTML for Python via .NET API。pip 是下载和安装 Python 库的最简单方法。为此，请运行以下命令：

pip install aspose-html-net

有关 Python 库安装和系统要求的更多详细信息，请参阅 Aspose.HTML 文档。