python实现简单爬虫功能-爬去网页图片

windworld

python实现简单爬虫功能-爬去网页图片 [复制链接]

python实现简单爬虫功能

    在我们日常上网浏览网页的时候，经常会看到一些好看的图片，我们就希望把这些图片保存下载，或者用户用来做桌面壁纸，或者用来做设计的素材。

　　我们最常规的做法就是通过鼠标右键，选择另存为。但有些图片鼠标右键的时候并没有另存为选项，还有办法就通过就是通过截图工具截取下来，但这样就降低图片的清晰度。

　　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。下面就看看如何使用python来实现这样一个功能。

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

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="(.+?\.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)

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="(.+?\.jpg)" pic_ext'

   imgre = re.compile(reg)

   imglist = re.findall(imgre,html)

    x= 0

   for imgurl in imglist:

       urllib.urlretrieve(imgurl,'c:\Users\Administrator\Desktop\pic\%s.jpg'  % x)

       x+=1

html =getHtml("http://tieba.baidu.com/p/2460150866")

print getImg(html)

　  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：

shower.xu

cool,能把整个脚本分享一下么？

windworld

shower.xu 发表于 2016-4-5 17:04
cool,能把整个脚本分享一下么？

嗯嗯 好的，不过这个要针对不同的网页才行

shower.xu

windworld 发表于 2016-4-5 17:45
嗯嗯 好的，不过这个要针对不同的网页才行

只要有脚本做模版就行，修修改改嘛

suoma

用到了wxpython？

dcexpert

学习一下。

白手梦想家

关键是看网页源码啊，要懂html以及更多啊                                                

通途科技

找到靠谱的书或视频，好的教程条理清晰深入浅出，还要动脑动手！