聚焦爬虫（正则解析）

正则解析：

• import re
• re.findall（正则表达式，网页源码数据，re.S）

import requests
import re
import os
from pprint import pprint
# 需求：爬取糗事百科中糗图板块下所有的糗图图片
if __name__ == "__main__":
    # 创建一个文件夹，保存所有的图片
    if not os.path.exists('./qiutuLibs'):
        os.mkdir('./qiutuLibs')

    url = 'https://www.qiushibaike.com/imgrank/'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36'

    }
    # 使用通用爬虫对url对应的一整张页面进行爬取
    page_text = requests.get(url=url, headers=headers).text
    # print(page_text)
    # # 使用聚焦爬虫将页面中所有的糗图进行解析/提取
    ex = '<div class="thumb">.*?<img src="(.*?)" alt.*?</div>'
    img_scr_list = re.findall(ex, page_text, re.S)
    pprint(img_scr_list)
    for src in img_scr_list:
        # 拼接出一个完整的图片地址
        src = 'https:' + src
        # 请求到图片的二进制数据
        img_data = requests.get(url=src, headers=headers).content
        # 生成图片名称
        img_name = src.split('/')[-1]
        # print(type(img_name))
        # 图片路径加名称,即图片最终存储的路径
        imgpath = './qiutuLibs/' + img_name
        # pprint(imgpath)
        with open(imgpath, 'wb') as fp:
            fp.write(img_data)
            print(img_name, '下载成功')