我们在浏览网页的时候,有时会看到一些或者很多好看的图片,希望能将它们快速有效的保存起来,当个壁纸了,设置成某个应用的背景等等。
首先我们大多数人最常规的做法就是通过鼠标右键要保存的图片,然后另存为。但是,有些图片并没有另存为选项,怎么办?截图?(如果你不要求清晰度和完整度可以考虑截图)其实我们可以通过python来实现这样一个简单的爬虫功能,把我们想要的代码爬到本地,很方便而且快捷有效。下面我们来大概讲解一下。
一、获取整个需要爬虫的页面数据
首先呢,我们给这个py文件取个名字,叫getpicture.py,以baidu页面举个栗子:
#coding=utf-8
import urllib
def getHtml(url):
page = urllib.urlopen(url)
html = page.read()
return html
html = getHtml("http://www.baidu.com/")
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、筛选我们想要获取的数据(需要了解关于python正则表达式的知识)
如图所示,我们找到了一个图片的地址:
修改一下我们的代码:
import re import urllib def getHtml(url): page = urllib.urlopen(url) html = page.read() return html def getImg(html): reg = r'src="(.+?\.png)" pic_ext' imgre = re.compile(reg) imglist = re.findall(imgre,html) return imglist html = getHtml("http://www.baidu.com/") 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
通过for循环变量并保存,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://www.baidu.com/")
print getImg(html)
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。运行脚本成功后,可以看到我们已经把要筛选的图片爬下来了。