Java中怎么抓取网页中的图片

通过httpclient来爬取网站内容，分析当前内容页中的图片‘规则’

抓取一般都是模拟浏览器访问目标网页，通过返回的页面html代码进行分析自己需要的数据

查找规则，例如你爬取的网页 ，看到当前页面显示的图片格式如下<img src="http://www.baidu.com/img/20101025_user.png">

通过解析爬取的网页源代码（html）进行字符串的 *** 作即可，现在有相应的第三方jar包可以帮你更快的完成这部分工作，例如htmlpaser，获取到对应的地址，然后进行保存或下载。

你可以搜索，java爬虫(httpclient)和htmlpaser做更多的了解。

跟linux有什么关系，python是跨平台的，爬取图片的代码如下：

import urllib.requestimport osimport randomdef url_open(url):

req=urllib.request.Request(url)    #为请求设置user-agent,使得程序看起来更像一个人类

req.add_header('User-Agent','Mozilla/5.0 (Windows NT 6.1WOW64rv:43.0) Gecko/20100101 Firefox/43.0')    #代理IP，使用户能以不同IP访问，从而防止被服务器发现

'''iplist=['1.193.162.123:8000','1.193.162.91:8000','1.193.163.32:8000']

proxy_support=urllib.request.ProxyHandler({'http':random.choice(iplist)})

opener=urllib.request.build_opener(proxy_support)

opener.addheaders=[('User-Agent','Mozilla/5.0 (Windows NT 6.1WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.154 Safari/537.36 LBBROWSER')]

urllib.request.install_opener(opener)'''

response=urllib.request.urlopen(req)

html=response.read()    return htmldef get_page(url):

html=url_open(url).decode('utf-8')

a=html.find('current-comment-page')+23

b=html.find(']',a)    #print(html[a:b])

return html[a:b]def find_imgs(url):

html=url_open(url).decode('utf-8')

img_addrs=[]

a=html.find('img src=')    while a!=-1:

b=html.find('.jpg',a,a+140)        if b!=-1:            if html[a+9]!='h':

img_addrs.append('http:'+html[a+9:b+4])            else:

img_addrs.append(html[a+9:b+4])        else:

b=a+9

a=html.find('img src=',b)    for each in img_addrs:

print(each+'我的打印')    return img_addrsdef save_imgs(folder,img_addrs):

for each in img_addrs:        #print('one was saved')

filename=each.split('/')[-1]        with open(filename,'wb') as f:

img=url_open(each)

f.write(img)def download_mm(folder='ooxx',pages=10):

os.mkdir(folder)

os.chdir(folder)

url=""

page_num=int(get_page(url))    for i in range(pages):

page_num=page_num-1

page_url=url+'page-'+str(page_num)+'#comments'

img_addrs=find_imgs(page_url)

save_imgs(folder,img_addrs)if __name__=='__main__':

download_mm()1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374

完成

运行结果

在浏览器的网页界面点击鼠标右键，选择将网页另存为html的文件，然后保存的路径就会出现一个文件夹，网页里的图片全部都在文件夹中。这样就能一键提取网页里的所有图片，具体 *** 作请参照以下步骤。

1、首先在浏览器中进行搜索，打开目标网页。

2、然后点击鼠标右键，在右键菜单中点击选项“另存为”。

3、然后在出现的窗口中，对保存文件进行命名，设置文件保存类型为html文件，点击保存。

4、然后在电脑中找到保存好的文件，双击进行打开。

5、可以发现网页所有的图片都在这个文件夹中。完成以上设置后，即可一键提取网页里的所有图片。

---