利用python实现简单爬虫功能.docx

免责声明：图文来源于网络搜集版权归原作者所以若侵犯了您的合法权益请作者与本上传人联系我们将及时更正删除。利用python实现简单爬虫功能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。保存图片除了常规的做法还可不可以有更简便更高效的方法呢?下面是百分网我精心为大家整理的如何用python实现简单爬虫功能希望对大家有帮助更多内容请关注应届毕业生网!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。getjpg.py#coding=utf-8importurllibdefgetHtml(url):page=urllib.urlopen(url)html=page.read()returnhtmlhtml=getHtmlprinthtmlUrllib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www和ftp上的数据。首先我们定义了一个getHtml()函数:urllib.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getHtml()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。假如我们百度贴吧找到了几张漂亮的壁纸通过到前段查看工具。找到了图片的地址修改代码如下：importreimporturllibdefgetHtml(url):page=urllib.urlopen(url)html=page.read()returnhtmldefgetImg(html):reg=r'src="(.+?\.jpg)"pic_ext'imgre=re.compile(reg)imglist=re.findall(imgrehtml)returnimglisthtml=getHtmlprintgetImg(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如下：#coding=utf-8importurllibimportredefgetHtml(url):page=urllib.urlopen(url)html=page.read()returnhtmldefgetImg(html):reg=r'src="(.+?\.jpg)"pic_ext'imgre=re.compile(reg)imglist=re.findall(imgrehtml)x=0forimgurlinimglist:urllib.urlretrieve(imgurl'%s.jpg'%x)x+=1html=getHtmlprintgetImg(html)这里的核心是用到了urllib.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。