爬虫程序,从图片网站或者贴吧爬取图片(含代码)

github地址:https://github.com/531126085/Web-spider
download——mm是从煎蛋网上批量下载图片到自己新建的一个xxoo的文件夹下

import urllib.request
import os

def url_open(url):
    req = urllib.request.Request(url)
    req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36')
    response = urllib.request.urlopen(url)
    html = response.read()
    return html

def get_page(url):
    html = url_open(url).decode('utf-8')

    a = html.find('current-comment-page') + 23
    b = html.find(']',a)

    return html[a:b]
 

def find_imgs(url):
    html = url_open(url).decode('utf-8') 
    img_addrs = []

    a = html.find('img src=')
    while a!=-1:
        b = html.find('.jpg',a, a+255)

        if b != -1:
            img_addrs.append('http:'+html[a+9:b+4])
        else:
            b = a+9
        a = html.find('img src=',b)
    return img_addrs
    
def save_imgs(folder,img_addrs):
    for each in img_addrs:
        filename = each.split('/')[-1]
        with open(filename,'wb') as f:
            img = url_open(each)
            f.write(img)

def download_mm(folder='ooxx',pages=10):
    os.mkdir(folder)
    os.chdir(folder)

    url = "http://jandan.net/ooxx/"
    page_num =int(get_page(url))
    for i in range(pages):
        page_num -= i
        page_url = url + 'page-' + str(page_num) + '#comments'
        img_addrs = find_imgs(page_url)
        save_imgs(folder,img_addrs)


if __name__=='__main__':
    download_mm()

在这里插入图片描述
download——quanyou是从权力的游戏贴吧上下载图片到当前的工作目录

import urllib.request
import re

def open_url(url):
    req = urllib.request.Request(url)
    req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36')
    page = urllib.request.urlopen(req)
    html = page.read().decode('utf-8')

    return html

def get_img(html):
    p = r'<img class="BDE_Image" src="([^"]+\.jpg)"'#采用正则表达式查找图片的地址
    imglist = re.findall(p,html)          #findall函数,如果正则表达式里有带()的,则查找到之后会将括号的里面的信息返回给imglist
    
    for each in imglist:
        print(each)
    
    for each in imglist:
        filename = each.split("/")[-1]
        urllib.request.urlretrieve(each,filename,None)
        

if __name__=='__main__':
    url = "http://tieba.baidu.com/p/6093575289?pid=125013245611&cid=0#125013245611"
    get_img(open_url(url))

在这里插入图片描述

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,下面是一个使用 `requests` 和 `re` 库编写的爬虫程序,用于爬取指定网页中的图片: ```python import requests import re # 指定要爬取的网页 url = 'https://www.example.com' # 发送请求,获取网页内容 response = requests.get(url) html = response.text # 使用正则表达式匹配图片链接 pattern = r'<img.*?src="(.*?)".*?>' img_urls = re.findall(pattern, html) # 遍历图片链接,依次下载图片 for img_url in img_urls: # 发送请求,获取图片内容 img_response = requests.get(img_url) img_content = img_response.content # 获取图片文件名 img_name = img_url.split('/')[-1] # 保存图片到本地 with open(img_name, 'wb') as f: f.write(img_content) ``` 解释一下上面的程序: 1. 首先指定要爬取的网页的 URL,存储到 `url` 变量中; 2. 然后使用 `requests` 库发送 HTTP 请求,获取网页内容,存储到 `html` 变量中; 3. 使用正则表达式匹配网页中所有的图片链接,存储到 `img_urls` 列表中; 4. 遍历 `img_urls` 列表,依次下载每个图片文件: - 发送 HTTP 请求,获取图片内容,存储到 `img_content` 变量中; - 获取图片文件名,存储到 `img_name` 变量中; - 使用 `with open()` 语句打开文件,将图片内容写入文件中,保存到本地。 请注意,上面的代码只是一个简单的示例,实际应用中还需要加入异常处理、多线程或协程优化等措施,以提高程序的健壮性和效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值