#!/usr/python3 import urllib.request # 导入urllib中的request类 import re # 导入 re 模块 主要包含了正则表达式 def gethtml(url): page=urllib.request.urlopen(url) # 用于打开一个URL地址。 html=page.read() # 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。 return html def getimg(html): reg = r'src="(.*?\.jpg)"'#抓取图片的正则表达式 img=re.compile(reg) #可以把正则表达式编译成一个正则表达式对象. html=html.decode('utf-8') #python3 imglist=re.findall(img,html) #方法读取html 中包含 imgre(正则表达式)的数据。 x = 0 for imgurl in imglist: urllib.request.urlretrieve(imgurl,'%s.jpg'%x) #这里的核心是用到了urllib.urlretrieve()方法,直接将远程数据下载到本地。 x = x+1 #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。 #程序运行完成,将在目录下看到下载到本地的文件。 html=gethtml("https://tieba.baidu.com/p/5385194399") print(getimg(html))
Python 实现简单的爬虫功能: 图片的抓取
最新推荐文章于 2024-04-12 14:01:35 发布