初用正则表达式爬取图片

原创 2015年11月17日 21:18:04
<pre name="code" class="python">#coding:utf-8
#导入正则模块
import re
import urllib
#获取网页
def getHtml(url):
    #打开该网页
    page=urllib.urlopen(url)
    #读取网页的源代码
    html=page.read()
    #print html 测试一下是否成功读取
    return html
#获取图片
def getImg(html):
    #用正则表达式进行匹配
    reg='src="(.*?)\.jpg" data-tb-lazyload'
    imgre=re.compile(reg)
    #查找所有
    imglist=re.findall(imgre,html)
    x=0
    #遍历图片地址并保存
    for imgurl in imglist:
        x+=1
        urllib.urlretrieve(imgurl,'%s.jpg' % x)

url='http://tieba.baidu.com/p/3246506701'
#调用函数
html=getHtml(url)
getImg(html)


小某说:匹配正则的时候,.*?没有加括号,没有进行分组,然后就会报错
IOError: [Errno url error] unknown url type: 'src=%22http'
这里有具体讲关于圆括号的作用哦!

http://blog.csdn.net/hanjieson/article/details/8885206


还有关于爬取下来的图片为啥不能看的原因,一直显示图片已经损坏或者是怎么样的,原因是我们在源代码中看到的根本就不是图片原本的链接,具体的解决方法什么的在我的另一篇博客里面有哈,虽然是转发的吧!

 



版权声明:本文为博主原创文章,未经博主允许不得转载。

正则表达式筛选出jpg、png的图片url

private static void reg() { // TODO Auto-generated method stub String line = "[\"http://yjj-i...

python3使用正则爬取妹子图

# encoding:utf-8 import re # 使用正则 匹配想要的图片 import requests #使用requests得到网页源码 这里就简单的做一个函数 # 定义mzt函数...

Python爬虫——爬取网站的图片

爬虫这东西最早出现在我大学计算机网络的课程上面,我们当时的老师人很好,期末不笔试,他说这东西笔试没什么用,对于一个年纪比较大的老师来讲,能提出这种方式,实在难得。当时在考虑做一个与网络有关的东西好,第...
  • iaiti
  • iaiti
  • 2015年11月19日 15:04
  • 20902

Python爬虫学习笔记一:简单网页图片抓取

利用python抓取网络图片的步骤是: 1、根据给定的网址获取网页源代码 2、利用正则表达式把源代码中的图片地址过滤出来 3、根据过滤出来的图片地址下载网络图片 以下是比较简单的一个抓取某一个百度...

通过正则从内容中匹配图片,并找到src值

例子: string result = ""; string str = "测试文字测试文字测试文字测试文字"; Regex...

python内置的urllib模块不支持https协议的解决办法

Django站点使用django_cas接入SSO(单点登录系统),配置完成后登录,抛出“urlopen error unknown url type: https”异常。寻根朔源发现是python内...

正则表达式提取HTML文本中的图片图片

/** * 截取 HTML 文本中的图片 * @param htmlStr * @return */ public static List getImgStr(String htmlStr) { St...

JAVA抓取网页的图片,JAVA利用正则表达式抓取网站图片

利用java抓取网页上的所有图片: 用两个正则表达式: 1、匹配html中img标签的正则:]*?> 2、匹配img标签中得src中http路径的正则:http:\"?(.*?)(\...

python re正则匹配网页中图片url地址

最近写了个python抓取必应搜索首页http://cn.bing.com/的背景图片并将此图片更换为我的电脑桌面的程序,在正则匹配图片url时遇到了匹配失败问题。 要抓取的图片地址如图所示: 首先,...

获取html 中的所有图片 正则表达式

$(".container").html().replace(/]*src=['"]([^'"]+)[^>]*>/gi, function (match, capture) { console...
  • ISaiSai
  • ISaiSai
  • 2016年04月21日 20:15
  • 1161
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:初用正则表达式爬取图片
举报原因:
原因补充:

(最多只允许输入30个字)