返回  

使用python3.6实现简单图片爬虫功能

2017-05-11 17:36:25 浏览:
  初学python有什么不到位的地方,敬请高手指点!!!

  在我们日常上网浏览网页的时候,经常会看到一些好看的图片,我们就希望把这些图片保存下载,或者用户用来做桌面壁纸,或者用来做设计的素材。

  我们最常规的做法就是通过鼠标右键,选择另存为。但有些图片鼠标右键的时候并没有另存为选项,还有办法就通过就是通过截图工具截取下来,但这样就降低图片的清晰度。好吧~!其实你很厉害的,右键查看页面源代码。

  我们可以通过python 来实现这样一个简单的爬虫功能,把我们想要的代码爬取到本地。下面就看看如何使用python来实现这样一个功能。

一,获取整个页面数据 

首先我们可以先获取要下载图片的整个页面信息。

import urllib.request
 
def getdata(url):
      data = urllib.request.urlopen(url).read()
      z_data = data.decode('UTF-8')

     return z_data

html = getdata("http://www.newsradio.cn/html/kuajing/xinwen/0505L2017.html")
 
print(html )
  Urllib 模块提供了读取web页面数据的接口,我们可以像读取本地文件一样读取wwwftp上的数据。首先,我们定义了一个getdata()函数:

  urllib.request.urlopen()方法用于打开一个URL地址。

  read()方法用于读取URL上的数据,向getdata()函数传递一个网址,并把整个页面下载下来。执行程序就会把整个网页打印输出。

二,筛选页面中想要的数据

 

  Python 提供了非常强大的正则表达式,我们需要先要了解一点python 正则表达式的知识才行。 

假如我们网商资讯找到了几张漂亮的图片,通过到前段查看工具。找到了图片的地址,如:src=”http://www.newsradio.cn/......jpg”

 

修改代码如下:

import re
import urllib.request
 
def getdata(url):
      data = urllib.request.urlopen(url).read()
      z_data = data.decode('UTF-8')
      return z_data
 
def getImg(html):
      reg = r'src="(.+?\.jpg|png|jpeg)"'
      imgre = re.compile(reg)
      imglist = re.findall(imgre,html)
      return imglist
 
html = getdata("http://www.newsradio.cn/html/kuajing/xinwen/0505L2017.html")
 
print(getImg(html))
 我们又创建了getImg()函数,用于在获取的整个页面中筛选需要的图片连接。re模块主要包含了正则表达式:

  re.compile() 可以把正则表达式编译成一个正则表达式对象.

  re.findall() 方法读取html 中包含 imgre(正则表达式)的数据。

     运行脚本将得到整个页面中包含图片的URL地址。

三,将页面筛选的数据保存到本地 

把筛选的图片地址通过for循环遍历并保存到本地,代码修改如下:

import re
import urllib.request
 
def getdata(url):
      data = urllib.request.urlopen(url).read()
      z_data = data.decode('UTF-8')
      return z_data
 
def getImg(html):
      reg = r'src="(.+?\.jpg|png|jpeg)"'
      imgre = re.compile(reg)
      imglist = re.findall(imgre,html)
      x = 0
      for imgurl in imglist:
            urllib.request.urlretrieve(imgurl,'%s.jpg' % x)
            x+=1
 
html = getdata("http://www.newsradio.cn/html/kuajing/xinwen/0505L2017.html")
 
print(getImg(html))
  这里的核心是用到了urllib.request.urlretrieve()方法,直接将远程数据下载到本地。

  通过一个for循环对获取的图片连接进行遍历,为了使图片的文件名看上去更规范,对其进行重命名,命名规则通过x变量加1。保存的位置默认为程序的存放目录。

程序运行完成,将在目录下看到下载到本地的文件。

分享到: