如何抓取网页上的所有图片

__BlueGuy__

不知道怎么整的，

sqfasd

获取网页不用说了吧，然后解析得到所有img标签，获取src属性，这时有两种情况(解析img标签可以使用xml类的paser遍历，更简单的方法是通过jquery或xpath，在c++里可能稍麻烦，但是在python或nodejs里，就是最简单的工具了)
1.链接图片，src为一个url，可能是绝对或相对路径，如果是相对路径，跟host拼接一下，然后再发送一个http请求
2.嵌入图片，src中包含base64编码后的图片数据以及图片格式，解码即可（可以搜索关键字Data URI scheme和RFC2397, 了解相关数据格式）

__BlueGuy__

sqfasd 发表于 2013-06-29 08:10
获取网页不用说了吧，然后解析得到所有img标签，获取src属性，这时有两种情况(解析img标签可以使用xml类的p ...

我不会啊， 有没有什么工具可以做到，
我用 360下裁全部链接，图片都不是原来的大小
世界之窗浏览器保存网页， 图片也都不是原来的大小

有什么好的办法么，我想图要图片的原始大小 ？

http://image.baidu.com/i?tn=baid ... A%B5%C0%CD%BC%C6%AC

sqfasd

回复 3# __BlueGuy__

擦，我以为你要编程呢
不是你在网页中看到的图片大小是有可能的，网页不一定要显示原始图片的尺寸啊

__BlueGuy__

sqfasd 发表于 2013-06-29 09:16
回复 3# __BlueGuy__

擦，我以为你要编程呢

我怎么拿到所有原始大小的图片呢， 哥哥

sqfasd

回复 5# __BlueGuy__


    我是说你拿到的可能就是原始大小的图片，你看到的不是原始大小

__BlueGuy__

sqfasd 发表于 2013-06-29 10:06
回复 5# __BlueGuy__

我拿到的都是网页缩小过的图片， 不是原始大小的图片
你可以试试， 麻烦你编个程序帮我拿到原始大小的图片

sqfasd

http://pan.baidu.com/share/link? ... 57&uk=657366031
用nodejs实现了一下，下了40多个大图片，如果还需要别的功能的话，靠你自己了

linux_c_py_php

就是做个小爬虫啊, 爬回来的页面正则拿出所有img里的src去下载.

一般预览图和实际图是有差别的, 前者都是有损压缩的, 后者是原图, 你得爬对页面, 否则爬一堆缩略图回来.

判断缩略图和原图不能靠肉眼, 因为CSS是可以控制图片大小的, 肉眼不容易分辨.

__BlueGuy__

linux_c_py_php 发表于 2013-06-29 13:50
就是做个小爬虫啊, 爬回来的页面正则拿出所有img里的src去下载.

一般预览图和实际图是有差别的, 前者都是 ...

嘴炮， 你写一个啊