import requests
import re
import time
# 导入了三个模块:requests、re和time,分别用于发送HTTP请求、进行正则表达式匹配和处理时间相关操作。
url = "http://192.168.177.167/机械键盘/"# 定义了一个全局变量url,表示要访问的页面的URL地址。
#get_html(url)函数:根据指定的URL发送HTTP GET请求,获取网页的原始HTML内容并返回
def get_html(url):
res = requests.get(url = url)
html = res.text
return html
# get_img_path_list(html)函数:从传入的HTML文本中提取所有图片路径,并返回一个包含所有图片路径的列表
def get_img_path_list(html):
img_path_re = r"style/\w+\.jpg"
img_path_list = re.findall(img_path_re, html)
return img_path_list
# img_download(img_path)函数:根据传入的图片路径,构造完整的图片URL。然后使用HTTP GET请求下载图片,并将其保存到本地路径"./img/"下,以时间戳作为文件名。
def img_download(img_path):
full_url = url + img_path
print(f"Image URL : {full_url}")
res = requests.get(url = full_url)
img_save_path = f"./img/{time.time()}.jpg"
with open(img_save_path, 'wb') as f :
f.write(res.content)
html = get_html(url = url)
img_path_list = get_img_path_list(html = html)
#调用函数
for img_path in img_path_list:
img_download(img_path)
一个简单网页爬虫脚本
于 2023-07-26 17:11:31 首次发布