Python爬虫抓取网页图片

主要步骤是：

1.抓取网页

下面是关键代码：

import urllib.request
req=urllib.request.urlopen('http://www.imooc.com/course/list')
buf=req.read()
//显示从网页上抓取到的内容
buf
//通过正则表达式获取图片地址
import re
//本人用的是python3.5，直接用findall会出错，因此需要下面一句对buf进行编码
buf=buf.decode('UTF-8')
listurl=re.findall(r'src=.+\.jpg',buf)
listurl=re.findall(r'http:.+\.jpg',buf)//显示图片的网址
listurl
//将图片写入本地
i=0
for url in listurl:
     f=open(r"G:\123"+'/'+str(i)+'.jpg','wb')
     req=urllib.request.urlopen(url)
     buf=req.read()
     f.write(buf)
     i+=1

 算法2：

# -*- 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。

• 参数 finename 指定了保存本地路径（如果参数未指定，urllib会生成一个临时文件保存数据。）

• 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。

作者：admin

TTF的家园-www.ttfde.top 个人博客以便写写东西，欢迎喜欢互联网的朋友一起交流!

TTF的家园 站点 QQ交谈