Python爬虫之路5.正则获取糗图百科中的图片（2022.1.3）

最新推荐文章于 2024-09-11 11:42:24 发布

lixuefei_1993

最新推荐文章于 2024-09-11 11:42:24 发布

阅读量437

点赞数

分类专栏： python爬虫文章标签： python 爬虫开发语言

本文链接：https://blog.csdn.net/lixuefei_1993/article/details/122294479

版权

python爬虫专栏收录该内容

13 篇文章 0 订阅

订阅专栏

1.通过requests模块中的get方法获取整张页面信息。通过正则表达式，进行筛选。获得需要的数据，并进行持久化存储。

2.完整代码

# 使用re模块爬取糗事百科里面的图片内容
import requests
import re
import os
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36"
}
if not os.path.exists("./qiushiLibs02"):
    os.mkdir("./qiushiLibs02")
ex = '<div class="thumb">.*?<img src="(.*?)" alt.*?</div>'
url = "https://www.qiushibaike.com/imgrank/"
new_url = url+"page/2/"
for num in range(1,5):
    new_url = url + f"page/{num}/"
    print(new_url)
    resp = requests.get(url=new_url,headers=headers)
# 获取整张页面的信息
    page_text = resp.text
# 正则筛选出需要的内容
    img_src_list = re.findall(ex,page_text,re.S)
    for i in img_src_list:
        img_src = "http:"+i
        img_name = img_src.split("/")[-1]
        img_path = "./qiushiLibs02/"+img_name
        #进行访问下载
        img_data = requests.get(url=img_src,headers=headers).content
        with open(img_path,"wb") as fp:
            fp.write(img_data)
            print(img_name,"下载完成!")

3.注意事项