原文：https://www.cnblogs.com/Axi8/p/5757270.html

Python小爬虫——贴吧图片的爬取

在对Python有了一定的基础学习后，进行贴吧图片抓取小程序的编写。

目标：

首先肯定要实现图片抓取这个基本功能
然后实现对用户所给的链接进行抓取
最后要有一定的交互，程序不能太傻吧

一、页面获取

要让python可以进行对网页的访问，那肯定要用到urllib之类的包。So先来个 import urllib

urllib中有 urllib.urlopen(str) 方法用于打开网页并返回一个对象，调用这个对象的read()方法后能直接获得网页的源代码，内容与浏览器右键查看源码的内容一样。

#coding:utf-8
import urllibpage = urllib.urlopen('http://tieba.baidu.com/p/1753935195')#打开网页
htmlcode = page.read()#读取页面源码
print htmlcode#在控制台输出

运行结果与查看源码其实差不多

运行结果就不放上来了

也可以写到文本文档中：

#coding:utf-8
import urllibpage = urllib.urlopen('http://tieba.baidu.com/p/1753935195')
htmlcode = page.read()
#print htmlcodepageFile = open('pageCode.txt','w')#以写的方式打开pageCode.txt
pageFile.write(htmlcode)#写入
pageFile.close()#开了记得关

运行一遍，txt就出现在了getJpg.py的目录下

好了别闹，我们把它封装成方法：

def get_html(url):page = urllib.urlopen(url)html = page.read()return html

然后我们的页面获取代码就K.O.了

二、图片(目标)的提取

做完上面步骤，你打开txt一看，我去！这都是什么跟什么啊，根本找不到图片在哪好伐？

客官别急啊，我这就去给你叫我们的小。。。图片！图片！

首先我们要一个正则表达式 (什么你不会？请看菜鸟入门教程-->Go)

然后我们看源代码，Yeah 我们找到了其中一张图片是这样的

写出图片的正则表达式： reg = r'src="(.+?\.jpg)" width'

解释下吧——匹配以src="开头然后接一个或多个任意字符(非贪婪)，以.jpg" width结尾的字符串。比如图中红框内src后双引号里的链接就是一个匹配的字符串。

接着我们要做的就是从get_html方法返回的辣么长一串字符串中拿到满足正则表达式的字符串。

用到python中的re库中的 re.findall(str) 它返回一个满足匹配的字符串组成的列表

# coding:utf-8
import urllib
import redef get_html(url):page = urllib.urlopen(url)html = page.read()return htmlreg = r'src="(.+?\.jpg)" width'#正则表达式
reg_img = re.compile(reg)#编译一下，运行更快
imglist = reg_img.findall(get_html('http://tieba.baidu.com/p/1753935195'))#进行匹配
for img in imglist:print img

打印出这么多图片链接

光把链接拿出来没用啊，我们的目标是下载下来~

urllib库中有一个 urllib.urlretrieve(链接,名字) 方法，它的作用是以第二个参数为名字下载链接中的内容，我们来试用一下

在上面代码循环中加上 urllib.urlretrieve(img, 'tieba.jpg')

卧槽！！！怎么只下了一张

至少它下载了不是？啪啪啪啪啪(掌声)

检查下问题出在哪。。。。

没错我们只给了一个tieba.jpg的名字，后来的把前面的覆盖了。

调整下代码：

# coding:utf-8
import urllib
import redef get_html(url):page = urllib.urlopen(url)html = page.read()return htmlreg = r'src="(.+?\.jpg)" width'
reg_img = re.compile(reg)
imglist = reg_img.findall(get_html('http://tieba.baidu.com/p/1753935195'))
x = 0
for img in imglist:urllib.urlretrieve(img, '%s.jpg' %x)x += 1

啪啪啪啪啪

第一步完成~

三、指定链接抓取

我想要抓另一个帖子，总不能打开源代码，然后把那段地址改了在运行吧。

只是一个小程序，那也不行欸，加一个让用户指定地址的交互。

先把提取图片的那段代码打包下：

def get_image(html_code):reg = r'src="(.+?\.jpg)" width'reg_img = re.compile(reg)img_list = reg_img.findall(html_code)x = 0for img in img_list:urllib.urlretrieve(img, '%s.jpg' % x)x += 1

最后来个请输入：

print u'请输入url:',
url = raw_input()
if url:pass
else:url = 'http://tieba.baidu.com/p/1753935195'
html_code = get_html(url)
get_image(html_code)

运行一下,试试另一个帖子：

完美~~

四、交互的添加

虽然写的是一个简单的小程序，但有强迫症的我还是给他加上了交互（不然多难受啊：双击，屏幕一闪，下载完了。。。）

最后的代码

# coding:utf-8
import urllib
import redef get_html(url):page = urllib.urlopen(url)html_code = page.read()return html_codedef get_image(html_code):reg = r'src="(.+?\.jpg)" width'reg_img = re.compile(reg)img_list = reg_img.findall(html_code)x = 0for img in img_list:urllib.urlretrieve(img, '%s.jpg' % x)x += 1print u'-------网页图片抓取-------'
print u'请输入url:',
url = raw_input()
if url:pass
else:print u'---没有地址输入正在使用默认地址---'url = 'http://tieba.baidu.com/p/1753935195'
print u'----------正在获取网页---------'
html_code = get_html(url)
print u'----------正在下载图片---------'
get_image(html_code)
print u'-----------下载成功-----------'
raw_input('Press Enter to exit')

相对来说比较舒服的交互体验，大功告成~

Python爬虫01——第一个小爬虫相关推荐

第一个python爬虫_Python爬虫01——第一个小爬虫
Python小爬虫--贴吧图片的爬取在对Python有了一定的基础学习后,进行贴吧图片抓取小程序的编写. 目标: 首先肯定要实现图片抓取这个基本功能然后实现对用户所给的链接进行抓取最后要有一定的 ...
python 人生的第一个小爬虫爬小说保存一下
# -*- coding:UTF-8 -*- from urllib import request from bs4 import BeautifulSoup import chardet impor ...
java爬虫编写步骤_JAVA爬虫--编写第一个网络爬虫程序
JAVA爬虫–编写第一个网络爬虫程序前言上一章节介绍了XPATH基础语法,本章节将手把手带大家编写第一个爬虫程序,同时也希望能通过这个爬虫程序,帮助大家熟悉上一章节学习的XPATH基础语法并运用到实 ...
Python日记——柿子要捡软的捏，记第一只小爬虫
2017.12.19 阅读了<零基础入门学习Python>一书第14章"论一只爬虫的自我修养"之后总想跃跃欲试实现一只自己的小爬虫,但可惜的是,或许因为这本书的读者太多 ...
python搞笑动态图_python小爬虫抓取搞笑图片
大部分小程序都是基于py2.7的,我于是便想直接出一个py3.4最新版本的教程.大致看一下第一篇了解一下的一些概念性的东西以及bs4第三方库的使用.请参考文末. 我们的第一个小程序的相关要求: 目标: ...
Python爬虫学习——开始一个小爬虫（一）
Python爬虫学习文章目录 Python爬虫学习前言一.什么是爬虫爬虫的矛与盾二.开启一个小爬虫 1.导入urlopen包 2.打开一个网址,得到响应 3.解码 4.保存到文件 5.打开 ...
python将txt转为字符串_python做第一只小爬虫
"受尽苦难而不厌,此乃修罗之路" 本文技术含量过低,请谨慎观看之前用R语言的Rcurl包做过爬虫,给自己的第一感觉是比较费劲,看着看着发际线就愈加亮眼,最后果断丢之.不过好的是和 ...
Python爬虫——第一个小爬虫（经典）修改版
贴吧图片的爬取一.页面获取要让python可以进行对网页的访问,那肯定要用到urllib之类的包.So先来个 import urllib.request 由于Python3里的urllib模块已经 ...
爬虫学习实践（1）——我的第一个小爬虫
文章目录应用流程一个简单爬虫实例获取提取储存最近由于竞赛需要,准备自学一下爬虫,以备不时之需,参考书籍是唐松的<Python网络爬虫从入门到实践>,上面的代码也大多来源于书上, ...

Python爬虫01——第一个小爬虫