python实现简单爬虫功能的示例
作者:虫师 时间:2022-02-12 01:39:06
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。好吧~!其实你很厉害的,右键查看页面源代码。
我们可以通过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。
getjpg.py
#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
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.
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......jpg”pic_ext=”jpeg”
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,'%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。
感谢阅读,希望能帮助到大家,谢谢大家对本站的支持!
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
python使用cPickle模块序列化实例
python机器学习实现神经网络示例解析
![](https://img.aspxhome.com/file/2023/7/112517_0s.png)
python爬虫判断招聘信息是否存在的实例代码
python3.7中安装paddleocr及paddlepaddle包的多种方法
![](https://img.aspxhome.com/file/2023/5/70775_0s.png)
浅析Windows 嵌入python解释器的过程
python3 配置logging日志类的操作
![](https://img.aspxhome.com/file/2023/3/98853_0s.jpg)
利用Python进行数据可视化常见的9种方法!超实用!
![](https://img.aspxhome.com/file/2023/2/82632_0s.jpg)
通过实例简单了解Python sys.argv[]使用方法
![](https://img.aspxhome.com/file/2023/4/113004_0s.png)
django的model操作汇整详解
![](https://img.aspxhome.com/file/2023/8/120878_0s.png)
关于 Web 字体:现状与未来[译]
![](https://img.aspxhome.com/file/UploadPic/200911/24/3739976284_7943de8cbe-34s.jpg)
ASP教程:0177:800401f3错误解决
Linux RedHat下安装Python2.7开发环境
![](https://img.aspxhome.com/file/2023/2/99672_0s.png)
Keras loss函数剖析
Python+Turtle绘制可爱的可达鸭
![](https://img.aspxhome.com/file/2023/8/105328_0s.png)
关于TensorFlow新旧版本函数接口变化详解
![](https://img.aspxhome.com/file/2023/9/133409_0s.jpg)
提高CSS代码的可读性
Python科学计算包numpy用法实例详解
C#调用Python程序传参数获得返回值
Python I/O与进程的详细讲解
![](https://img.aspxhome.com/file/2023/4/133524_0s.png)