当前位置: > python爬虫 >

python如何实现简单的爬虫功能
栏目分类:python爬虫   发布日期:2019年02月27日 16:24:01   浏览次数:

       日常上网浏览网页的时候,我们经常会看到一些比较好看的图片,然后我们就希望把这些图片保存下载下来,用来做桌面壁纸,或者做设计的素材。像一般的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。这个时候还有另一个办法,就通过就是通过截图工具截取下来,但会降低图片的清晰度。如果懂得爬虫功能的人就会比较有优势,可以右键查看页面源代码。

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

复制代码
#coding=utf-8
import urllib
def getHtml(url):
    page = urllib.urlopen(url)
    html = page.read()
    return html
html = getHtml("https://tieba.baidu.com/p/2738151262")
print html

复制代码
  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。
https://www.cnblogs.com/fnng/archive/2013/05/20/3089816.html
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=/uploadfile/2014/0303/20140303083822952.jpg”pic_ext=”jpeg”
修改代码如下:

复制代码
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("https://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:

复制代码
#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("https://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。
当你学会了这个技能的话,以后就再也不用担心想要的图片没办法留下来了。
 

相关热词:

热门关键词
python字符串
     
python教程 python爬虫 python人工智能 Python+大数据 python问答