python爬取网页的图片和文字信息代码

在Python中，可以使用一些库如BeautifulSoup、requests和PIL (Pillow) 来爬取网页上的图片和文本信息。下面是一个简单的示例：

首先安装必要的库，如果尚未安装，可以使用pip命令：

pip install beautifulsoup4 requests pillow

然后编写一个爬虫脚本：

import requests
from bs4 import BeautifulSoup
from PIL import Image
import io

# 获取网页内容
url = "http://example.com"  # 替换为你想抓取的网站
response = requests.get(url)
html_content = response.text

# 使用BeautifulSoup解析HTML
soup = BeautifulSoup(html_content, 'lxml')

# 找到所有的图片标签
img_tags = soup.find_all('img')
for img in img_tags:
    img_url = img['src']  # 获取图片链接
    if 'data:' in img_url:  # 如果是base64编码的图片，需先下载再处理
        img_data = base64.b64decode(img_url.split(',')[1])
        img_name = 'image_' + img['alt'].replace(' ', '_') + '.jpg'  # 图片名称，用alt属性作为默认描述
        with open(img_name, 'wb') as f:
            f.write(img_data)
    else:
        img_response = requests.get(img_url)
        img_name = 'image_' + img['alt'].replace(' ', '_') + '.jpg'
        with open(img_name, 'wb') as f:
            f.write(img_response.content)

# 寻找并提取文本信息
text = soup.get_text()
print("提取的文本信息:")
print(text)