如何使用 python 抓取使用 base 64 图像编码并存储在数据库中

Question

我正在尝试 scrape 网站上的图像，但这些图像是用 base 64 编码的。那么我该如何使用 python、beautifulsoup 来做到这一点。

我尝试了使用 python urllib 的代码，但它不起作用。

import urllib
import urllib.request
from bs4 import BeautifulSoup
import base64
import os
from string import ascii_lowercase

def make_soup(url):
    thepage = urllib.request.urlopen(url)
    soupdata = BeautifulSoup(thepage, "html.parser")
    return soupdata
soup = make_soup("https://mahabhunakasha.mahabhumi.gov.in/bhunaksha/27/index.jsp")
soups = soup.decode('utf-8')

print(soups)
# for img in soup.findAll("src"):
#     print(img)

我想下载所有区域的所有图像并存储在 mongo 数据库中。

Answer 1

为了避免我使用 selenium 的 SSL 错误，您可以下载一个 firefox exe 并传递可执行路径，然后您将能够在安装 selenium 模块后抓取页面：

#!pip install selenium

from bs4 import BeautifulSoup
from selenium import webdriver

driver = webdriver.Firefox(executable_path = 'C:\Gecko\geckodriver.exe')
thepage = driver.get("https://mahabhunakasha.mahabhumi.gov.in/bhunaksha/27/index.jsp")
html = driver.page_source
soup = BeautifulSoup(html,'lxml')

我在这个页面上没有看到任何图像，它似乎是一个画布类。