Python爬虫：如何快速掌握Python爬虫核心技术，批量爬取网络图片

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！

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。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。

2. urllib+re实现

#!/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：