如何用python爬取图片数据_怎样使用python爬虫进行网页图片抓取

本文通过python 来实现这样一个简单的爬虫功能，把我们想要的图片爬取到本地。

下面就看看如何使用python来实现这样一个功能。

# -*- coding: utf-8 -*-

import urllib

import re

import time

import os

#显示下载进度

def schedule(a,b,c):

'''''

a:已经下载的数据块

b:数据块的大小

c:远程文件的大小

'''

per = 100.0 * a * b / c

if per > 100 :

per = 100

print '%.2f%%' % per

def getHtml(url):

page = urllib.urlopen(url)

html = page.read()

return html

def downloadImg(html):

reg = r'src="(.+?\.jpg)" pic_ext'

imgre = re.compile(reg)

imglist = re.findall(imgre, html)

#定义文件夹的名字

t = time.localtime(time.time())

foldername = str(t.__getattribute__("tm_year"))+"-"+str(t.__getattribute__("tm_mon"))+"-"+str(t.__getattribute__("tm_mday"))

picpath = 'D:\\ImageDownload\\%s' % (foldername) #下载到的本地目录

if not os.path.exists(picpath): #路径不存在时创建一个

os.makedirs(picpath)

x = 0

for imgurl in imglist:

target = picpath+'\\%s.jpg' % x

print 'Downloading image to location: ' + target + '\nurl=' + imgurl

image = urllib.urlretrieve(imgurl, target, schedule)

x += 1

return image;

if __name__ == '__main__':

print ''' *************************************

** Welcome to use Spider **

** Created on 2014-05-13 **

** @author: cruise **

*************************************'''

html = getHtml("http://tieba.baidu.com/p/2460150866")

downloadImg(html)

print "Download has finished."

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。

下面我们再来看看 urllib 模块提供的 urlretrieve() 函数。urlretrieve() 方法直接将远程数据下载到本地。

1>>>help(urllib.urlretrieve)2 Help on function urlretrieve inmodule urllib:3

4 urlretrieve(url, filename=None, reporthook=None, data=None)

参数 reporthook 是一个回调函数，当连接上服务器、以及相应的数据块传输完毕时会触发该回调，我们可以利用这个回调函数来显示当前的下载进度。

参数 data 指 post 到服务器的数据，该方法返回一个包含两个元素的(filename, headers)元组，filename 表示保存到本地的路径，header 表示服务器的响应头。

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。

在python shell中看到的信息如下：

程序运行完成，将在目录下看到下载到本地的文件。