Webページから連番で画像をダウンロード／整理する手順

last updated: 2021.04.08

Webページから連番で画像をダウンロード／整理する手順

Webページにある画像

特に、何の分野と決まったわけではないが、数十枚もの画像が並んでいるWebページがある。
そこで、並んでいる順番に、好みの画像を取得したい、と思う。だが、そこのサイトポリシーなのか、中には、画像を簡単にダウンロードされてくれないページもある。
一番、簡単に対象の画像を落とすには、CTRL+Uキー押下で、ソース(HTML文書）を表示させるのが早い。ソースをエディタなどにコピー＆ペーストし、エディタの検索機能で、「jpg」または「png」などのキーワードで探せば、「https://」から始まり、「～001.jpg」で終わるURLが見つかるだろうから、それをコピーすれば、画像の在り処は判る。

たとえば、次のようなWebページがある（としよう）。

よく判らないが、あるとしたら、それは次のようなソースだと思われる。



<html lang="ja">
<head>
<title">渋沢栄一の画像 - 原寸画像検索</title">
</head">
<body">
（……中略）
<div id='message'"><h1">『渋沢栄一』</h1"></div">
<div id="field"">
<img src="http://shihei.com/2222x/Xa/dd/x3/shibusawa-eiiichi001.jpg" width="262px"
 id="p1_1_img" alt="渋沢栄一の画像 p1_1"/"></a">
<p style="max-width:262px;"">渋沢栄一</p">
<div class="detail"">2021-04-08 590 x 810<br /">p1_1 shihei.com</div">
</div">
<div id="p1_2" class="imagebox" title="渋沢栄一 p1_2:1"">
<img src="http://shihei.com/2222x/Xa/dd/x3/shibusawa-eiiichi002.jpg" width="360px"
 id="p1_2_img" alt="渋沢栄一の画像 p1_2"/"></a">
<p style="max-width:360px;"">渋沢栄一  - 渋沢栄一 </p">
<div class="detail"">2021-04-08 802 x 802<br /">p1_2 shihei.com</div">
</div">
<div id="p1_3" class="imagebox" title="渋沢栄一 p1_3:0"">
<img src="http://shihei.com/2222x/Xa/dd/x3/shibusawa-eiiichi003.jpg" width="233px"
 id="p1_3_img" alt="渋沢栄一の画像 p1_3" /"></a">
</div">
<div id="p1_4" class="imagebox" title="渋沢栄一 p1_4:0"">
<img src="http://shihei.com/2222x/Xa/dd/x3/shibusawa-eiiichi004.jpg" width="308px"
 id="p1_4_img" alt="渋沢栄一の画像 p1_4"/"></a">
<p style="max-width:308px;"">渋沢栄一</p">
<div class="detail"">2021-04-08 1200 x 1402<br /">p1_4 shihei.com</div">
</div">
（……中略）
</body>
</html>

見て判るとおり、イメージタグで囲まれた、
「http://shihei.com/2222x/Xa/dd/x3/shibusawa-eiiichi004.jpg」
の箇所が、画像（ここではJPEG）である。

エディタによる前処理

以上のように取得したソースを、エディタで前処理する。ダウンロードするための前処理である。

私はWZエディタを使っているので、それで例示するが、どのエディタでも、そういう機能はある。
ここで使うのは「置換機能」である。
そして、問題は、置換には、「標準置換」と「正規表現置換」の2つがあることだ。
「標準置換」とは、普通に、「検索文字列」に「今ある文字列」を入れ、「置換文字列」に「置換すべき文字列」を入れて、実行すれば、置換（文字列の変換）ができる、というものであり、
「正規表現置換」とは、「正規表現」を使った置換で、これは正規表現を学ばねばならない。これは少し煩瑣なので、こちらの拙サイトの説明ページを参照されたい。

http://noah.in.coocan.jp/wzman10.htm