現在網上有很多python2寫的爬蟲抓取網頁圖檔的執行個體,但不适用新手(新手都使用python3環境,不相容python2),
是以我用Python3的文法寫了一個簡單抓取網頁圖檔的執行個體,希望能夠幫助到大家,并希望大家批評指正。
import urllib.request
import re
import os
import urllib
#根據給定的網址來擷取網頁詳細資訊,得到的html就是網頁的源代碼
def getHtml(url):
page = urllib.request.urlopen(url)
html = page.read()
return html.decode('UTF-8')
def getImg(html):
reg = r'src="(.+?\.jpg)" pic_ext'
imgre = re.compile(reg)
imglist = imgre.findall(html)#表示在整個網頁中過濾出所有圖檔的位址,放在imglist中
x = 0
path = 'D:\\test'
# 将圖檔儲存到D:\\test檔案夾中,如果沒有test檔案夾則建立
if not os.path.isdir(path):
os.makedirs(path)
paths = path+'\\' #儲存在test路徑下
for imgurl in imglist:
urllib.request.urlretrieve(imgurl,'{0}{1}.jpg'.format(paths,x)) #打開imglist中儲存的圖檔網址,并下載下傳圖檔儲存在本地,format格式化字元串
x = x + 1
return imglist
html = getHtml("http://tieba.baidu.com/p/2460150866")#擷取該網址網頁詳細資訊,得到的html就是網頁的源代碼
print (getImg(html)) #從網頁源代碼中分析并下載下傳儲存圖檔
以上就是本文的全部内容,希望對大家的學習有所幫助,也希望大家多多支援我們。
時間: 2019-08-25