利用python抓取网络图片的步骤是:
1、根据给定的网址获取网页源代码
2、利用正则表达式把源代码中的图片地址过滤出来
3、根据过滤出来的图片地址下载网络图片
以下是比较简单的一个抓取某一个百度贴吧网页的图片的实现:
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 #抓取网页图片 #根据给定的网址来获取网页详细信息,得到的html就是网页的源代码 def getHtml(url): page = urllib.urlopen(url) html = page.read() return html def getImg(html): #利用正则表达式把源代码中的图片地址过滤出来 reg = r 'src="(.+?\.jpg)" pic_ext' imgre = re. compile (reg) imglist = imgre.findall(html) #表示在整个网页中过滤出所有图片的地址,放在imglist中 x = 0 for imgurl in imglist: urllib.urlretrieve(imgurl, '%s.jpg' % x) #打开imglist中保存的图片网址,并下载图片保存在本地 x = x + 1 html = getHtml( "http://tieba.baidu.com/p/2460150866" ) #获取该网址网页详细信息,得到的html就是网页的源代码 getImg(html) #从网页源代码中分析并下载保存图片 |
进一步对代码进行了整理,在本地创建了一个“图片”文件夹来保存图片
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 #抓取网页图片 #根据给定的网址来获取网页详细信息,得到的html就是网页的源代码 def getHtml(url): page = urllib.urlopen(url) html = page.read() return html #创建保存图片的文件夹 def mkdir(path): path = path.strip() # 判断路径是否存在 # 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 '的文件夹' # 创建目录操作函数 os.makedirs(path) return True else : # 如果目录存在则不创建,并提示目录已经存在 print u '名为' ,path,u '的文件夹已经创建成功' return False # 输入文件名,保存多张图片 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 # 对于每张图片地址,进行保存 try : u = urllib2.urlopen(imageURL) data = u.read() f = open (fileName, 'wb+' ) f.write(data) print u '正在保存的一张图片为' ,fileName f.close() except urllib2.URLError as e: print (e.reason) number + = 1 #获取网页中所有图片的地址 def getAllImg(html): #利用正则表达式把源代码中的图片地址过滤出来 reg = r 'src="(.+?\.jpg)" pic_ext' imgre = re. compile (reg) imglist = imgre.findall(html) #表示在整个网页中过滤出所有图片的地址,放在imglist中 return imglist #创建本地保存文件夹,并下载保存图片 if __name__ = = '__main__' : html = getHtml( "http://tieba.baidu.com/p/2460150866" ) #获取该网址网页详细信息,得到的html就是网页的源代码 path = u '图片' mkdir(path) #创建本地文件夹 imglist = getAllImg(html) #获取图片的地址列表 saveImages(imglist,path) # 保存图片 |
结果在“图片”文件夹下保存了几十张图片,如截图:
总结
以上就是本文关于Python实现简单网页图片抓取完整代码实例的全部内容,希望对大家有所帮助。如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!
原文链接:http://blog.csdn.net/feimengjuan/article/details/51163803