这几天刚接触pathon,然后就不知道怎么就发现了pathon的这一功能,下面是代码(我用的是3.6版本的,和2版本的代码会有区别):
#!/usr/python3
import re
import urllib.request
def gethtml(url):
page=urllib.request.urlopen(url)
html=page.read()
return html
def getimg(html):
reg = r'src="(.*?\.jpg)"'
img=re.compile(reg)
html=html.decode('utf-8')#python3
imglist=re.findall(img,html)
x = 0
for imgurl in imglist:
urllib.request.urlretrieve(imgurl,'%s.jpg'%x)
x = x+1
html=gethtml("http://www.csdn.net/")
print(getimg(html))
能够抓取页面上的一些图片,但是有的抓取不了,主要是网站对一些重要图片设了防,我试过百度图片官网的,一张也抓不到,有的图片网站,可以全部抓取到,可以自己尝试去