Python爬虫学习笔记一：简单网页图片抓取

Python爬虫学习笔记一：简单网页图片抓取

利用python抓取网络图片的步骤是：

1、根据给定的网址获取网页源代码

2、利用正则表达式把源代码中的图片地址过滤出来

3、根据过滤出来的图片地址下载网络图片

以下是比较简单的一个抓取某一个百度贴吧网页的图片的实现：

# -*- coding: utf-8 -*-
# feimengjuan
import re
import urllib
import urllib2#抓取网页图片#根据给定的网址来获取网页详细信息，得到的html就是网页的源代码
def getHtml(url):page = urllib.urlopen(url)html = ad()return htmldef getImg(html):#利用正则表达式把源代码中的图片地址过滤出来reg = r'src="(.+?.jpg)" pic_ext'imgre = repile(reg)imglist = imgre.findall(html) #表示在整个网页中过滤出所有图片的地址，放在imglist中x = 0for imgurl in imglist:urllib.urlretrieve(imgurl,'%s.jpg' %x) #打开imglist中保存的图片网址，并下载图片保存在本地x = x + 1html = getHtml("")#获取该网址网页详细信息，得到的html就是网页的源代码
getImg(html)#从网页源代码中分析并下载保存图片

进一步对代码进行了整理，在本地创建了一个“图片”文件夹来保存图片

# -*- coding: utf-8 -*-
# feimengjuan
import re
import urllib
import urllib2
import os
#抓取网页图片#根据给定的网址来获取网页详细信息，得到的html就是网页的源代码
def getHtml(url):page = urllib.urlopen(url)html = ad()return html#创建保存图片的文件夹
def mkdir(path):path = path.strip()# 判断路径是否存在# 存在    True# 不存在  FlaseisExists = ists(path)if not isExists:print u'新建了名字叫做',path,u'的文件夹'# 创建目录操作函数os.makedirs(path)return Trueelse:# 如果目录存在则不创建，并提示目录已经存在print u'名为',path,u'的文件夹已经创建成功'return False# 输入文件名，保存多张图片
def saveImages(imglist,name):number = 1for imageURL in imglist:splitPath = imageURL.split('.')fTail = splitPath.pop()if len(fTail) > 3:fTail = 'jpg'fileName = name + "/" + str(number) + "." + fTail# 对于每张图片地址，进行保存try:u = urllib2.urlopen(imageURL)data = u.read()f = open(fileName,'wb+')f.write(data)print u'正在保存的一张图片为',fileNamef.close()except urllib2.URLError as e:print (e.reason)number += 1#获取网页中所有图片的地址
def getAllImg(html):#利用正则表达式把源代码中的图片地址过滤出来reg = r'src="(.+?.jpg)" pic_ext'imgre = repile(reg)imglist = imgre.findall(html) #表示在整个网页中过滤出所有图片的地址，放在imglist中return imglist#创建本地保存文件夹，并下载保存图片
if __name__ == '__main__':html = getHtml("")#获取该网址网页详细信息，得到的html就是网页的源代码path = u'图片'mkdir(path) #创建本地文件夹imglist = getAllImg(html) #获取图片的地址列表saveImages(imglist,path) # 保存图片

结果在“图片”文件夹下保存了几十张图片，如截图：