相信在你的工作中可能会经常用到PPT吧，你在PPT制作过程中有没有这样的困惑，就是可以到哪里找到既高清又无版权争议的图片素材呢？这里强烈推荐ColorHub，这是一个允许个人和商业用途的免费图片网站，真的很赞！从她的主页界面来看，也许你就会爱上她。
那么，如何将网站中的图片存储到本地呢（例如比较关心跟数据相关的素材）？如果做到了，就可以在没有网络的情况下，随心所欲的选择精美图片制作PPT，随时随地的查看自己的图片库。而本文所要跟大家分享的就是这个问题的解决方案。
爬虫思路
我们知道，对于图片网站的抓取，往往需要经过三层网页链接，为了能够直观地理解这三层链接，可以查看下图：
顶层页：是指通过网站主页的搜索栏，搜索出感兴趣的图片方向，便进入到的图片列表页，它的样子是这样的：
次层页：是指点击图片列表页中的某张图片，转而对应到的图片详情页，它的样子是这样的：
目标页：最后就是为了抓取图片详情页中的那张高清图片，而这张图片在网页源代码中就是一个图片链接，它的样子是这样的：
所以，爬虫抓取图片的最终目的就是找到高清图片所对应的链接。接下来将通过代码的介绍，呈现三层链接的寻找和请求过程。
1# 导入第三方包
2import requests
3from bs4 import BeautifulSoup
4import random
5import time
6from fake_useragent import UserAgent
7
8# 通过循环实现多页图片的抓取
9for page in range(1,11):
10 # 生成顶层图片列表页的链接
11 fst_url = r https://colorhub.me/search?tag=data&page={} .format(page)
12 # 生成UA，用于爬虫请求头的设置
13 UA = UserAgent()
14 # 向顶层链接发送请求
15 fst_response = requests.get(fst_url, headers = { User-Agent :UA.random})
16 # 解析顶层链接的源代码
17 fst_soup = BeautifulSoup(fst_response.text)
18 # 根据HTML的标记规则，返回次层图片详情页的链接和图片名称
19 sec_urls = [i.find( a )[ href ] for i in fst_soup.findAll(name = div , attrs = { class : card })]
20 pic_names = [i.find( a )[ title ] for i in fst_soup.findAll(name = div , attrs = { class : card })]
21 # 对每一个次层链接做循环
22 for sec_url,pic_name in zip(sec_urls,pic_names):
23 # 生成UA，用于爬虫请求头的设置
24 UA = UserAgent()
25 ua = UA.random
26 # 向次层链接发送请求
27 sec_response = requests.get(sec_url, headers = { User-Agent :ua})
28 # 解析次层链接的源代码
29 sec_soup = BeautifulSoup(sec_response.text)
30 # 根据HTML的标记规则，返回图片链接
31 pic_url = https: + sec_soup.find( img ,{ class : card-img-top })[ src ]
32 # 对图片链接发送请求
33 pic_response = requests.get(pic_url, headers = { User-Agent :ua})
34 # 将二进制的图片数据写入到本地（即存储图片到本地）
35 with open(pic_name+ .jpg , mode = wb ) as fn:
36 fn.write(pic_response.content)
37 # 生成随机秒数，用于也没的停留
38 seconds = random.uniform(1,3)
39 time.sleep(seconds)
- 1.
- 2.
- 3.
- 4.
- 5.
- 6.
- 7.
- 8.
- 9.
- 10.
- 11.
- 12.
- 13.
- 14.
- 15.
- 16.
- 17.
- 18.
- 19.
- 20.
- 21.
- 22.
- 23.
- 24.
- 25.
- 26.
- 27.
- 28.
- 29.
- 30.
- 31.
- 32.
- 33.
- 34.
- 35.
- 36.
- 37.
- 38.
- 39.
不难发现，代码的核心部分就16行，还是很简单的吧。还不赶快去测试一下这里的代码哦（如果你对某个方面感兴趣，如商务、建筑、植物等，通过搜索，找到顶层页链接，替换代码中的fst_url值即可）。
在运行完如上代码后，将会抓取ColorHub网站中的10页图片，一共包含325张高清图片，展示如下：
