python爬虫系列(1)——一个简单的爬虫实例
来源:互联网 发布:windows 7 补丁合集 编辑:程序博客网 时间:2024/05/17 02:12
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。
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:
- 获取网页html文本内容;
- 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;
- 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def downloadJPG(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:
3. requests + re实现
下面用requests库实现下载,把getHtmlContent和downloadJPG函数都用requests重新实现。
#!/usr/bin/python# coding:utf-8# 实现一个简单的爬虫,爬取百度贴吧图片import requestsimport re# 根据url获取网页html内容def getHtmlContent(url): page = requests.get(url) return page.text# 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def downloadJPG(imgUrl,fileName): # 可自动关闭请求和响应的模块 from contextlib import closing with closing(requests.get(imgUrl,stream = True)) as resp: with open(fileName,'wb') as f: for chunk in resp.iter_content(128): f.write(chunk)# 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)])) print '下载完成第{0}张图片'.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()
输出:和前面一样。
0 0
- python爬虫系列(1)——一个简单的爬虫实例
- 一个简单的Python爬虫
- Python爬虫系列之----Scrapy(四)一个简单的示例
- Python简单爬虫实例
- 简单Python爬虫实例
- 一个python爬虫实例
- python初学者——一个简单的网络爬虫
- [python脚本]一个简单的web爬虫(1)
- python爬虫——写出最简单的网页爬虫
- python爬虫系列(五):多线程实例
- 简单的python爬虫抓取图片实例
- Python---BeautifulSoup 简单的爬虫实例
- Python爬虫的post请求简单实例
- 基于Python的一个简单爬虫(糗事百科爬虫)
- Python爬虫入门笔记:一个简单的爬虫架构
- python爬虫入门教程(二):开始一个简单的爬虫
- 一个简单的爬虫(1)
- python写爬虫1-写一个简单爬虫
- 苹果iOS自动扫描拍照识别身份证软件SDK
- AWK 常见基本用法
- MySQL数据库知识点1
- Java注解简介
- MySQL入门第三章3
- python爬虫系列(1)——一个简单的爬虫实例
- 【技能库】--Spring JDBC framework with JdbcTemplate class(176)
- SpringBoot+Redis集群
- android 获取apk中的素材图片
- 湖大C语言设计练习题
- eclipse如何执行上一步和下一步“撤销”操作
- JavaScript时间戳转换正常时间格式
- 双向链表的C语言实现与基本操作(二)
- hdu1715 大菲波数 (java大数)