python f.write 保存图片到路径_Python爬虫篇—网页爬虫、图片爬虫、文章爬虫、新闻网站爬虫...

今天分享一则python比较基础的技术，爬虫。教小白们怎么轻松利用爬虫技术获取自己想要的知识内容。

本节学习目标：

• 学习Python爬虫
• 爬取新闻网站新闻列表
• 爬取图片
• 把爬取到的数据存在本地文件夹或者数据库
• 学会用pycharm的pip安装Python需要用到的扩展包

一、首先了解Python是如何简单的爬取网页的

1、准备工作

项目用的BeautifulSoup4和chardet模块属于三方扩展包，如果没有请自行pip安装，我是用pycharm来做的安装，下面简单讲下用pycharm安装chardet和BeautifulSoup4

1.1.1、在pycharm的设置里按照下图的步骤操作

1.1.2、如下图搜索你要的扩展类库，如我们这里需要安装chardet直接搜索就行，然后点击install package, BeautifulSoup4做一样的操作就行

1.1.3、安装成功后就会出现在在安装列表中，到此就说明我们安装网络爬虫扩展库成功

二、由浅入深，我们先抓取网页

1、我们这里以抓取简书首页为例：http://www.jianshu.com/

# 简单的网络爬虫

from urllib import request

import chardet

response = request.urlopen("http://www.jianshu.com/")

html = response.read()

charset = chardet.detect(html)# {'language': '', 'encoding': 'utf-8', 'confidence': 0.99}

html = html.decode(str(charset["encoding"])) # 解码

print(html)

2、由于抓取的html文档比较长，这里简单贴出来一部分给大家看下

..........后面省略一大堆

这就是Python3的爬虫简单入门，是不是很简单，建议大家多敲几遍

三、Python3爬取网页里的图片并把图片保存到本地文件夹

1、目标

• 爬取百度贴吧里的图片
• 把图片保存到本地，都是妹子图片奥
• 不多说，直接上代码,代码里的注释很详细。大家仔细阅读注释就可以理解了

import re

import urllib.request

#爬取网页html

def getHtml(url):

page = urllib.request.urlopen(url)

html = page.read()

return html

html = getHtml("http://tieba.baidu.com/p/3205263090")

html = html.decode('UTF-8')

#获取图片链接的方法

def getImg(html):

# 利用正则表达式匹配网页里的图片地址

reg = r'src="([.*S]*.jpg)" pic_ext="jpeg"'

imgre=re.compile(reg)

imglist=re.findall(imgre,html)

return imglist

imgList=getImg(html)

imgCount=0

#for把获取到的图片都下载到本地pic文件夹里，保存之前先在本地建一个pic文件夹

for imgPath in imgList:

f=open("../pic/"+str(imgCount)+".jpg