我需要以编程方式加载正文中包含动态图像的 HTML 页面的内容。然后我想下载并保存这张图片,因为它在那个页面加载时显示了那个时间。
HTML 中的图像示例:
<img src="image.php">
问题是我不能只在 http://example.com/image.php 获取 PHP 脚本的内容,因为它只会生成并返回另一张图片,而不是生成的同一张图片在原始页面中。
那么,如何保存那个页面生成的图片呢?我知道我不能使用 webbrowser因为它会打开一个实际的浏览器窗口。我正在考虑使用 zope.testbrowser或者也许 mechanize ,但找不到有关如何执行此操作的任何信息。
你们能帮帮我吗?
请您参考如下方法:
使用 mechanize、cookielib 和 urllib 解决。
首先,设置导入和 headless 浏览器处理程序:
# Mechanize headless
import mechanize
import cookielib
import urllib
# Browser
br = mechanize.Browser()
# Cookie Jar
cj = cookielib.LWPCookieJar()
br.set_cookiejar(cj)
# Browser options
br.set_handle_equiv(True)
br.set_handle_gzip(True)
br.set_handle_redirect(True)
br.set_handle_referer(True)
br.set_handle_robots(False)
# Follows refresh 0 but not hangs on refresh > 0
br.set_handle_refresh(mechanize._http.HTTPRefreshProcessor(), max_time=1)
# Want debugging messages?
#br.set_debug_http(True)
#br.set_debug_redirects(True)
#br.set_debug_responses(True)
添加“人类”标题,这样您就不会被误认为是机器人...
# User-Agent (this is cheating, ok?)
br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]
现在您可以使用 open 方法正常“导航”。也可以使用open 加载动态图像。只需遵循页面/文件层次结构顺序,mechanize/cookielib 将为您处理标题...
r = br.open('http://www.example.com/html-page-with-dynamic-image-embedded.html')
# Check if HTML content returned ok
if br.response().info()['Content-Type'] == 'text/html; charset=iso-8859-1':
# Now that the main page is loaded you can open the dynamic image
r = br.open('http://www.example.com/images/image.php')
# From here you just treat the image as you wish
png = r.read()
f = open('image-new-name.png', 'wb')
f.write(png)
f.close()
如果您需要像这样发送 URL GET 数据,则使用 urllib
data = {'varName1': var1, 'varName2': var2, ...}
data = urllib.urlencode(data)
r = br.open('http://www.example.com/html-page-with-dynamic-image-embedded.html', data)
