Python 官方文档:入门教程 => 点击学习
对于爬虫,很多伙伴首选的可能就是python了吧,我们在学习python爬虫的时候得有侧重点,这篇文章教大家如何快速掌握Python爬虫的核心!有不清楚的地方,可以留言!1. 概述本文主要实现一个简单的爬虫,目的是从一个百度贴吧页面下载图片
对于爬虫,很多伙伴首选的可能就是python了吧,我们在学习python爬虫的时候得有侧重点,这篇文章教大家如何快速掌握Python爬虫的核心!有不清楚的地方,可以留言!
本文主要实现一个简单的爬虫,目的是从一个百度贴吧页面下载图片。下载图片的步骤如下:
(1)获取网页html文本内容;
(2)分析html中图片的html标签特征,用正则解析出所有的图片url链接列表;
(3)根据图片的url链接列表将图片下载到本地文件夹中。
#!/usr/bin/python# coding:utf-8# 实现一个简单的爬虫,爬取百度贴吧图片import urllibimport re# 根据url获取网页html内容def getHtmlContent(url): page = urllib.urlopen(url) return page.read()# 从html中解析出所有jpg图片的url# 百度贴吧html中jpg图片的url格式为:<img ... src="XXX.jpg" width=...>def getJPGs(html): # 解析jpg图片url的正则 jpgReg = re.compile(r'<img.+?src="(.+?\.jpg)" width') # 注:这里最后加一个'width'是为了提高匹配精确度 # 解析出jpg的url列表 jpgs = re.findall(jpgReg,html) return jpgs# 用图片url下载图片并保存成制定文件名defdownloadJPG(imgUrl,fileName): urllib.urlretrieve(imgUrl,fileName) # 批量下载图片,默认保存到当前目录下def batchDownloadJPGs(imgUrls,path ='./'): # 用于给图片命名 count = 1 for url in imgUrls: downloadJPG(url,''.join([path,'{0}.jpg'.fORMat(count)])) count = count + 1# 封装:从百度贴吧网页下载图片def download(url): html = getHtmlContent(url) jpgs = getJPGs(html) batchDownloadJPGs(jpgs)def main(): url = 'Http://tieba.baidu.com/p/2256306796' download(url)if __name__ == '__main__': main()
运行上面脚本,过几秒种之后完成下载,可以在当前目录下看到图片已经下载好了:
--结束END--
本文标题: Python爬虫:如何快速掌握Python爬虫核心技术,批量爬取网络图片
本文链接: https://www.lsjlt.com/news/228777.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑,方便收藏和打印~
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0