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="(.+?\.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="(.+?\.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)
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
|
|
|
|