### 使用Python爬虫提取网页img标签src属性值并保存图片至Word #### 准备工作 为了实现这一目标，需要安装一些必要的库。可以通过pip命令来完成这些依赖项的安装。 ```bash pip install requests beautifulsoup4 python-docx pillow ``` #### 获取HTML内容 首先定义一个函数用于获取指定URL页面的HTML源码。这一步骤对于后续解析至关重要。 ```python import requests def fetch_html(url): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)', } response = requests.get(url, headers=headers) if response.status_code == 200: return response.text else: raise Exception(f"Failed to load page {url}") ``` #### 解析HTML中的图像链接 利用BeautifulSoup库解析返回的HTML字符串，并从中筛选出所有的`<img>`标签及其对应的`src`属性值。 ```python from bs4 import BeautifulSoup def parse_img_links(html_content): soup = BeautifulSoup(html_content, "html.parser") img_tags = soup.find_all('img') img_urls = [tag['src'] for tag in img_tags if 'src' in tag.attrs] return img_urls ``` #### 下载图片并转换为字节流 创建一个新的辅助函数负责下载每一张图片，并将其转化为适合嵌入Word文档的形式——即二进制数据流。 ```python from io import BytesIO from PIL import Image def download_image_to_bytes(img_url): try: resp = requests.get(img_url, stream=True) img_data = resp.content # Convert image data into a format that can be inserted into Word document. byte_io = BytesIO() with Image.open(BytesIO(resp.content)) as im: im.save(byte_io, format='PNG') # Save the image directly as PNG bytes byte_io.seek(0) return byte_io.read(), True except Exception as e: print(e) return None, False ``` #### 创建Word文档并向其中添加图片 最后编写一段逻辑用来新建或打开现有的`.docx`文件，在里面逐个插入之前准备好的图片对象。 ```python from docx import Document from docx.shared import Inches def add_images_to_word(images_byte_list, output_path="output.docx"): doc = Document() for idx, img_bytes in enumerate(images_byte_list): paragraph = doc.add_paragraph() run = paragraph.add_run() picture = run.add_picture(BytesIO(img_bytes), width=Inches(3)) doc.save(output_path) ``` #### 主程序流程控制 将上述各个部分串联起来形成完整的处理链条，最终达到预期效果。 ```python if __name__ == "__main__": target_website = input("请输入要抓取的目标网站地址:") html_text = fetch_html(target_website)[^1] images_srcs = parse_img_links(html_text)[^2] valid_imgs = [] for url in images_srcs: img_bytes, success_flag = download_image_to_bytes(url) if success_flag: valid_imgs.append(img_bytes) add_images_to_word(valid_imgs) print("所有操作已完成，请查看生成的Word文档.") ``` 通过以上步骤即可成功地使用Python爬虫技术从任意合法访问权限内的Web资源中抽取所需图片资料，并妥善整理输出到Microsoft Word格式文件内[^3]。