码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • 使用爬虫批量下载图片链接并去重


    • 设置timeout=(20, 20), verify=False避免超时和校验问题
    • jpeg以jpg格式保存
    • 获取图片编码的md5并存为文件名,以避免重复
    import pandas as pd
    import requests
    import os
    import hashlib
    from tqdm import tqdm
    file_path = 'xiaofang.xlsx'
    save_dir = 'xiaofang'
    df = pd.read_excel(file_path)
    url_lists = df.iloc[:, 2]
    headers = {
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36"
    }
    
    def save_image(file_url):
        r = requests.get(file_url, headers = headers, timeout=(20, 20), verify=False)
        r.encoding = r.apparent_encoding
        if r.status_code == 200:
            ext = r.headers['Content-Type'].split('/')[-1]
            if ext == 'jpeg':
                ext = 'jpg'
            if ext not in ('jpg', 'png'):
                raise Exception("{}未包含指定格式的图片".format(file_url))
            file_name = hashlib.md5(r.content).hexdigest()+'.'+ext
            file_path = os.path.join(save_dir, file_name)
            if os.path.exists(file_path):
                raise Exception("{}图片重复".format(file_url))
            with open(file_path, "wb") as f:
                f.write(r.content)
        else:
            raise Exception("{}的状态码为{}".format(file_url, str(r.status_code)))
    
    
    if __name__ == '__main__':
        for url in tqdm(url_lists):
            try:
                save_image(url)
            except Exception as e:
                print(e)
    
    • 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
  • 相关阅读:
    压力测试工具Jmeter的下载与使用
    Linux上部署Jupyter notebook
    一、Spring Boot集成Spring Security之自动装配
    MYSQL 查询重复数据
    DVWA-JavaScript Attacks
    MySQL之数据视图
    Unity--互动组件(Toggle Group)||Unity--互动组件(Slider)
    【开发日记】MySQL-Explain学习日记
    Python基本语法(未完待续)
    OC-NSNumber和NSValue一般用来装箱拆箱
  • 原文地址:https://blog.csdn.net/jining11/article/details/133077336
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号