自动下载 PTT 正妹图片

这篇文章会使用 Python 的 Requests 和 Beautiful Soup 函数库，实作一个可以自动下载图片的网络爬虫，只要知道 PTT Beauty 板的网页网址，就能将网页内全部的正妹图片，自动下载到电脑的文件夹中。

本篇使用的 Python 版本为 3.7.12，所有范例可使用 Google Colab 实作，不用安装任何软件 ( 参考：使用 Google Colab )

什么是 PTT Beauty 板

PTT Beauty 板是一个 BBS 分享帅哥美女图片的空间，除了正常使用 BBS 登录浏览，也可以透过浏览器，进行单纯的网页浏览，范例使用的网址为其中一篇分享艺人安心亚照片的网页。

• PTT Beauty 板网址：https://www.ptt.cc/bbs/Beauty/index.html
• 安心亚照片分享网址：https://www.ptt.cc/bbs/Beauty/M.1638380033.A.7C7.html

抓取每张图片的网址

使用 Requests 函数库的 get 的方法，抓取安心亚网页的内容 ( 注意需要加入 Cookies，避免出现“看板内容需满十八岁方可浏览”的页面 )。

参考：Requests 函数库、传送 Cookies

import requests
from bs4 import BeautifulSoup

web = requests.get('https://www.ptt.cc/bbs/Beauty/M.1638380033.A.7C7.html', cookies={'over18':'1'})    # 傳送 Cookies 資訊後，抓取頁面內容
soup = BeautifulSoup(web.text, "html.parser")   # 使用 BeautifulSoup 取得網頁結構
imgs = soup.find_all('img')    # 取得所有 img tag 的內容
for i in imgs:
  print(i['src'])              # 印出 src 的屬性

读取并下载图片

读取图片的网址后，再次使用 requests 抓取图片信息编码，接着使用 open 设定以二进制格式写入图片文件，每次打开新文件时，透过变数 name 设定编号，就能让每张图片的档名都不同。

• 注意，写入时要注意“文件夹”必须存在，不然会发生错误。
• 参考：内建函数 ( 文件读写 open ) - 存取模式

import requests
from bs4 import BeautifulSoup

web = requests.get('https://www.ptt.cc/bbs/Beauty/M.1638380033.A.7C7.html', cookies={'over18':'1'})
soup = BeautifulSoup(web.text, "html.parser")
imgs = soup.find_all('img')
name = 0    #  設定圖片編號
for i in imgs:
    print(i['src'])
    jpg = requests.get(i['src'])     # 使用 requests 讀取圖片網址，取得圖片編碼
    f = open(f'/content/drive/MyDrive/Colab Notebooks/download/test_{name}.jpg', 'wb')    # 使用 open 設定以二進位格式寫入圖片檔案
    f.write(jpg.content)   # 寫入圖片的 content
    f.close()              # 寫入完成後關閉圖片檔案
    name = name + 1        # 編號增加 1

程序执行后，就会看见图片依序下载到电脑里。

如果使用 Colab 就会下载到云端硬盘指定的文件夹里。

小结

学会自动下载图片的方法后，就能够轻松爬取并下载各种“静态网页”的图片 ( 动态网页会在另外的篇幅介绍 )，过程中比较需要注意的是“图片网址”，如果网址有包含 http 或 https 表示是“绝对路径”，直接下载即可，但如果没有，表示该网址是“相对路径”，就必须要自行将路径换成真正的路径位置。

意见反馈