mhtml图片提取百度图片下载

本文主要是介绍mhtml图片提取百度图片下载，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

如果你需要找一些图片，可以先去百度一下，待相关网页加载完成后，点击保存，即可得到一个mhtml文件。这个文件里的图片会用base64进行存储，只需要找到他们并转化就可以。目前在美篇之类的网站上效果还一般，需要继续排查问题。

效果

提取图片

代码

大概分为提取所有base64、转化为图片两步。

import base64
from io import BytesIO
from PIL import Image
import os# 从文件中提取所有符合条件的 Base64 内容
def extract_all_contents(file_path):contents = []with open(file_path, 'r', encoding='utf-8') as file:content_found = Falsecontent = []for line in file:line = line.strip()  # 去除行末尾的换行符和空格if content_found:if not line:  # 如果遇到空行，表示content结束if content:  # 保存非空的 contentcontents.append("\n".join(content))content_found = Falsecontent = []  # 重置 contentelse:content.append(line)  # 将当前行加入 contentelif line.startswith("Content-Location:"):# 读取下一行，检查是否为空行next_line = next(file).strip()if not next_line:  # 如果下一行是空行，开始读取 content 部分content_found = Truereturn contents# 将 Base64 编码转换为图像
def base64_to_image(base64_string, output_image_path=None):try:# 解码 base64 字符串image_data = base64.b64decode(base64_string)# 将解码后的字节数据转换为图像image = Image.open(BytesIO(image_data))# 如果指定了输出路径，保存图像if output_image_path:image.save(output_image_path)# 返回图像对象以供进一步处理或显示return imageexcept (base64.binascii.Error, IOError):# 如果解码失败或不是有效的图像数据，返回 Nonereturn None# 综合使用两个函数处理文件
def process_large_file_for_images(file_path,save_path):# 提取所有符合条件的 Base64 内容all_contents = extract_all_contents(file_path)image_count = 0for index, content in enumerate(all_contents):print(f"处理第 {index + 1} 个内容...")# 尝试将提取的 Base64 内容转换为图像image = base64_to_image(content, f'output_image_{index + 1}.png')if image:# 如果成功生成图像，显示或进一步处理image_count += 1print(f"成功生成第 {index + 1} 个图像: output_image_{index + 1}.png")tmp_path=os.path.join(save_path,f" output_image_{index + 1}.png")image.save(tmp_path)else:print(f"第 {index + 1} 个内容无法转换为图像")if image_count == 0:print("未找到任何有效的图像内容")else:print(f"总共成功生成 {image_count} 个图像")# 使用示例
file_path = r'e:\data\网页下载\ccc.txt'  # 替换为实际的文件路径
save_path=r"e:\data\网页下载"
process_large_file_for_images(file_path,save_path)