[资料]

python实现网页爬虫爬取图片

2016-4-5 15:32:51 14882

0 本帖最后由 windworld 于 2016-4-5 15:39 编辑　　在一些网站上经常看到一些好的图片希望批量下载保存到本地，但是一个个右击保存有显的十分麻烦，这里可以通过python 来实现这样一个简单的爬虫功能，把我们想要的代码爬取到本地，功能有点类似我们之前学过的批处理。下面就看看如何使用python来实现这样一个功能，主要分为三步，如下：一. 获取整个页面数据首先我们可以先获取要下载图片的整个页面信息。创建getjpg.py文件 #coding=utf-8 import urllib def getHtml(url): page = urllib.urlopen(url) html = page.read() return html html = getHtml("http://tieba.baidu.com/p/2738151262") print html 复制代码说明：　 Urllib 模块提供了读取web页面数据的接口，我们可以像读取本地文件一样读取www和ftp上的数据。首先，我们定义了一个getHtml()函数； urllib.urlopen()方法用于打开一个URL地址； read()方法用于读取URL上的数据；向getHtml()函数传递一个网址，并把整个页面下载下来。执行程序就会把整个网页打印输出。 *二. 筛选页面中想要的数据* 　Python 提供了非常强大的正则表达式，我们需要先要了解一点python 正则表达式的知识才行。 re模块中一些重要的函数：假如我们百度贴吧找到了几张漂亮的壁纸，通过到前段查看工具。找到了图片的地址，如：src="http://imgsrc.baidu.com/forum/w%3D580/sign=750661a0fcfaaf5184e381b7bc5594ed/75fafbedab64034fc3ed0b80aec379310a551d11.jpg" 修改代码如下： import re import urllib def getHtml(url): page = urllib.urlopen(url) html = page.read() return html def getImg(html): reg = r'src="//www.hzfubeitong.com/bbs/(.+?.jpg)" pic_ext' imgre = re.compile(reg) imglist = re.findall(imgre,html) return imglist html = getHtml("http://tieba.baidu.com/p/2460150866") print getImg(html) 复制代码我们又创建了getImg()函数，用于在获取的整个页面中筛选需要的图片连接。re模块主要包含了正则表达式： re.compile() 可以把正则表达式编译成一个正则表达式对象. re.findall() 方法读取html 中包含 imgre（正则表达式）的数据。运行脚本将得到整个页面中包含图片的URL地址。 *三. 将页面筛选的数据保存到本地* 把筛选的图片地址通过for循环遍历并保存到本地，代码如下： #coding=utf-8 import urllib import re def getHtml(url): page = urllib.urlopen(url) html = page.read() return html def getImg(html): reg = r'src="//www.hzfubeitong.com/bbs/(.+?.jpg)" pic_ext' imgre = re.compile(reg) imglist = re.findall(imgre,html) x = 0 for imgurl in imglist: urllib.urlretrieve(imgurl,'c:UsersAdministratorDesktoppic%s.jpg' % x) x+=1 html = getHtml("http://tieba.baidu.com/p/2460150866") print getImg(html) 复制代码这里的核心是用到了urllib.urlretrieve()方法，直接将远程数据下载到本地。通过一个for循环对获取的图片连接进行遍历，为了使图片的文件名看上去更规范，对其进行重命名，命名规则通过x变量加1。保存的位置默认为程序的存放目录。程序运行完成，将在目录下看到下载到本地的文件。效果如下： 3
举报淘帖0 只看该作者相关推荐 • labview实现网络爬虫功能 4322 • python网络爬虫概述 2945 • Python爬虫简介与软件配置 1176 • python基础语法及流程控制 903 • 0基础入门Python爬虫实战课 2106 • python爬取音频文件的步骤 1407 • 使用Python爬虫实现百度图片自动下载的方法 2717 • 基于Python实现一只小爬虫爬取拉勾网职位信息的方法 2761 • Python爬虫与Web开发库盘点 2372 • Python数据爬虫学习内容 1879 2条评论发表评论只看该作者