简单的python爬取图片

之前有一次网页上图片不能复制,就自己写了一个下载图片程序,只能针对例子中网页获取图片,若想下载其他网页中图片,需对程序进行改造。

#coding=utf-8
from bs4 import BeautifulSoup
import aiohttp
import asyncio
from urllib import request

#回调函数,打印进度
def callbackFunc(blocknum, blocksize, totalsize):
	'''回调函数
	@blocknum: 已经下载的数据块
	@blocksize: 数据块的大小
	@totalsize: 远程文件的大小
	'''
	percent = 100.0*blocknum*blocksize/totalsize
	if percent > 100:
		percent = 100
	print("%.2f%%" % percent)

#获取页面源代码
async def getPage(url, res_list):
	headers = {'User-Agent':'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'}
	async with aiohttp.ClientSession() as session:
		async with session.get(url, headers = headers) as resp:
			assert resp.status == 200
			res_list.append(await resp.text())

#分析html源代码,找到所需要的标记
class parsePage():
	def __init__(self, page_str):
		self.page_str = page_str
	#__enter__和__exit__配合,主要实现with...as...功能
	def __enter__(self):
		page_str = self.page_str
		#这里只是例子中获取图片地址的规则,具体html页面需要具体分析
		page = BeautifulSoup(page_str, 'lxml')
		articles = page.findAll('img')
		art_urls = []
		for a in articles:
			art_urls.append(a['src'])
		return art_urls
	def __exit__(self, exc_type, exc_val, exc_tb):
		pass

class jianshuParsePage(parsePage):
	def __init__(self, page_str):
		super(jianshuParsePage, self).__init__(page_str)
	
'''
获取网页中所有的图片网址,并下载图片
'''
if __name__ == '__main__':
	page_url_base = 'http://www.baiyinghui.com/gallery/show/id/MDAwMDAwMDAwMLGIgtuFtKF2?spm=a220o.1000855.0.0.iuLTnS'
	page_urls = [page_url_base]
	loop = asyncio.get_event_loop()
	ret_list = []
	tasks = [getPage(host,ret_list) for host in page_urls]
	loop.run_until_complete(asyncio.wait(tasks))

	articles_url = []
	x = 0
	for ret in ret_list:
		with jianshuParsePage(ret) as tmp:
			for jpg in tmp:
				#这里是过滤掉包含特殊字符和汉字的url,因为
				if jpg.find('(') != -1 or jpg.find('副本') != -1 or jpg.find(')') != -1 or jpg.find(' ') != -1:
					pass
				elif jpg.find('http') != -1:
					print(jpg)
					#根据获取到的图片的url下载图片
					request.urlretrieve(jpg, '/home/pycode/tupian/%s.jpg' % x, callbackFunc)
					x += 1
					#这里为了测试方便,就直接跳出循环了
					break
	ret_list = []

	loop.close()
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

cpp加油站

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值