利用python抓取網(wǎng)絡(luò)圖片的步驟是：
1、根據(jù)給定的網(wǎng)址獲取網(wǎng)頁(yè)源代碼
2、利用正則表達(dá)式把源代碼中的圖片地址過(guò)濾出來(lái)
3、根據(jù)過(guò)濾出來(lái)的圖片地址下載網(wǎng)絡(luò)圖片
以下是比較簡(jiǎn)單的一個(gè)抓取某一個(gè)百度貼吧網(wǎng)頁(yè)的圖片的實(shí)現(xiàn)：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
# -*- coding: utf-8 -*- # feimengjuan import re import urllib import urllib2 #根據(jù)給定的網(wǎng)址來(lái)獲取網(wǎng)頁(yè)詳細(xì)信息，得到的html就是網(wǎng)頁(yè)的源代碼 def getHtml(url): page = urllib.urlopen(url) html = page.read() return html def getImg(html): #利用正則表達(dá)式把源代碼中的圖片地址過(guò)濾出來(lái) reg = r'src="(.+?\.jpg)" pic_ext' imgre = re.compile(reg) imglist = imgre.findall(html) #表示在整個(gè)網(wǎng)頁(yè)中過(guò)濾出所有圖片的地址，放在imglist中 x = 0 for imgurl in imglist: urllib.urlretrieve(imgurl,'%s.jpg' %x) #打開(kāi)imglist中保存的圖片網(wǎng)址，并下載圖片保存在本地 x = x + 1 html = getHtml("http://tieba.baidu.com/p/2460150866")#獲取該網(wǎng)址網(wǎng)頁(yè)詳細(xì)信息，得到的html就是網(wǎng)頁(yè)的源代碼 getImg(html)#從網(wǎng)頁(yè)源代碼中分析并下載保存圖片 |
進(jìn)一步對(duì)代碼進(jìn)行了整理，在本地創(chuàng)建了一個(gè)“圖片”文件夾來(lái)保存圖片
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
|
# -*- coding: utf-8 -*- # feimengjuan import re import urllib import urllib2 import os #抓取網(wǎng)頁(yè)圖片 #根據(jù)給定的網(wǎng)址來(lái)獲取網(wǎng)頁(yè)詳細(xì)信息，得到的html就是網(wǎng)頁(yè)的源代碼 def getHtml(url): page = urllib.urlopen(url) html = page.read() return html #創(chuàng)建保存圖片的文件夾 def mkdir(path): path = path.strip() # 判斷路徑是否存在 # 存在 True # 不存在 Flase isExists = os.path.exists(path) if not isExists: print u'新建了名字叫做',path,u'的文件夾' # 創(chuàng)建目錄操作函數(shù) os.makedirs(path) return True else: # 如果目錄存在則不創(chuàng)建，并提示目錄已經(jīng)存在 print u'名為',path,u'的文件夾已經(jīng)創(chuàng)建成功' return False# 輸入文件名，保存多張圖片 def saveImages(imglist,name): number = 1 for imageURL in imglist: splitPath = imageURL.split('.') fTail = splitPath.pop() if len(fTail) > 3: fTail = 'jpg' fileName = name + "/" + str(number) + "." + fTail # 對(duì)于每張圖片地址，進(jìn)行保存 try: u = urllib2.urlopen(imageURL) data = u.read() f = open(fileName,'wb+') f.write(data) print u'正在保存的一張圖片為',fileName f.close() except urllib2.URLError as e: print (e.reason) number += 1#獲取網(wǎng)頁(yè)中所有圖片的地址 def getAllImg(html): #利用正則表達(dá)式把源代碼中的圖片地址過(guò)濾出來(lái) reg = r'src="(.+?\.jpg)" pic_ext' imgre = re.compile(reg) imglist = imgre.findall(html) #表示在整個(gè)網(wǎng)頁(yè)中過(guò)濾出所有圖片的地址，放在imglist中 return imglist #創(chuàng)建本地保存文件夾，并下載保存圖片 if __name__ == '__main__': html = getHtml("http://tieba.baidu.com/p/2460150866")#獲取該網(wǎng)址網(wǎng)頁(yè)詳細(xì)信息，得到的html就是網(wǎng)頁(yè)的源代碼 path = u'圖片' mkdir(path) #創(chuàng)建本地文件夾 imglist = getAllImg(html) #獲取圖片的地址列表 saveImages(imglist,path) # 保存圖片 |
結(jié)果在“圖片”文件夾下保存了幾十張圖片，如截圖：
總結(jié)
以上就是本文關(guān)于Python實(shí)現(xiàn)簡(jiǎn)單網(wǎng)頁(yè)圖片抓取完整代碼實(shí)例的全部?jī)?nèi)容，希望對(duì)大家有所幫助。如有不足之處，歡迎留言指出。感謝朋友們對(duì)本站的支持！
原文鏈接：http://blog.csdn.net/feimengjuan/article/details/51163803
