python爬虫(1) 之下载图片
1.爬取对象:http://www.jikexueyuan.com/course/pythonbase/
2.爬取目的:将目标网站中该页面所有图片下载下来
3.爬取步骤:(1)先将需要爬取的网页打开,然后把源代码存下来,存为yuanma.txt文件
(2)编写代码,打开yuanma.txt文件
(3)利用正则表达式匹配,找出含有课程的图片,并把url保存下来
(4)遍历所有图片的url,对每个提交get请求,并将图片内容写入pic文件夹中的文件中,再进行保存
4.源代码:
# -*- coding:utf-8 -*-
import re
import requests
#打开文本
file = open('yuanma.txt','r')
html = file.read()
file.close()
#进行匹配
lessons = re.findall('div class="lessonimg-box">(.*?)</div>',html,re.S)
lessons = str(lessons)
pic_url = re.findall('img src="(.*?)" class="lessonimg"',lessons,re.S)
i = 0
for each in pic_url:
i = i+1
print("正在下载第"+str(i)+"张图片:"+each)
pic = requests.get(each)
fp = open('pic\\'+str(i)+'.jpg','wb')
fp.write(pic.content)
fp.close()
5.需要注意知识的:
(1)学会正则表达式的使用,(.*?)表示非贪心算法,而(.*)表示贪心算法
(2)python脚本的第一行需要用注释表示出编码类型
(3)必须在文件目录下新建pic文件夹
(4)本次代码使用了两次正则表达式,利用先抓大再抓小的方法,就是先爬取到每个课程的代码,在从代码中爬取图片的url
6.运行结果: