### 使用Python爬虫抓取含有图片和文字的试卷 为了完成这一目标，通常会采用`requests`库来发送HTTP请求并获取页面内容，利用`BeautifulSoup`解析HTML文档中的结构化信息，以及借助`re`模块处理正则表达式匹配特定模式的内容。对于下载图片，则可以通过读取二进制流的方式保存文件。 #### 安装依赖包 首先安装必要的第三方库： ```bash pip install requests beautifulsoup4 lxml ``` #### 抓取网页内容 定义函数用于发起GET请求，并返回响应体作为字符串形式： ```python import requests def fetch_page(url): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)', } response = requests.get(url, headers=headers) if response.status_code != 200: raise Exception(f"Failed to load page {url}") return response.text ``` #### 解析HTML文档 创建一个辅助类来进行DOM操作，提取所需的信息节点： ```python from bs4 import BeautifulSoup import re class Parser(): def __init__(self, html_content): self.soup = BeautifulSoup(html_content, "lxml") def parse_text(self): texts = [] for p_tag in self.soup.find_all('p'): text = p_tag.get_text(strip=True) if text: texts.append(text) return "\n".join(texts) def parse_images(self): images = {} img_tags = self.soup.select("img[src]") base_url = "/".join(requests.utils.urlparse(img['src']).netloc.split(".")[:-1]) for idx, img in enumerate(img_tags, start=1): src = img["src"] filename = f"{base_url}_{idx}.jpg" images[filename] = src return images ``` #### 下载资源 编写方法负责将远程URL指向的对象存储到本地磁盘上： ```python def download_resource(resources, output_dir="./output"): import os if not os.path.exists(output_dir): os.makedirs(output_dir) for name, url in resources.items(): filepath = os.path.join(output_dir, name.replace("/", "_")) with open(filepath, mode="wb") as file_obj: content = requests.get(url).content file_obj.write(content) ``` #### 主逻辑流程控制 最后组合上述组件形成完整的应用入口点： ```python if __name__ == "__main__": target_url = input("请输入要抓取的目标网址:") try: raw_html = fetch_page(target_url) parser_instance = Parser(raw_html) extracted_texts = parser_instance.parse_text() image_urls = parser_instance.parse_images() print("[INFO] 文字部分如下：") print(extracted_texts) print("\n[INFO] 正在尝试下载关联图片...") download_resource(image_urls) print("[SUCCESS] 所有工作已完成!") except Exception as e: print(f"[ERROR] 发生错误:{str(e)}") ``` 此脚本实现了基本的功能需求——即能够访问指定地址、抽取其中的文字描述与图形链接，并最终把它们分别记录下来或另存为实体副本[^1]。