Python爬蟲--抓取百度貼吧圖片

        在咱們平常上網瀏覽網頁的時候，常常會看到一些好看的圖片，咱們就但願把這些圖片保存下載，或者用戶用來作桌面壁紙，或者用來作設計的素材。

　　咱們最常規的作法就是經過鼠標右鍵，選擇另存爲。但有些圖片鼠標右鍵的時候並無另存爲選項，還有辦法就經過就是經過截圖工具截取下來，但這樣就下降圖片的清晰度。好吧～！其實你很厲害的，右鍵查看頁面源代碼。

　　咱們能夠經過python 來實現這樣一個簡單的爬蟲功能，把咱們想要的代碼爬取到本地。下面就看看如何使用python來實現這樣一個功能。

一，獲取整個頁面數據

首先咱們能夠先獲取要下載圖片的整個頁面信息。

getjpg.py

#coding=utf-8
import urllib

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

html = getHtml("http://tieba.baidu.com/p/4703833623")

print html

Urllib 模塊提供了讀取web頁面數據的接口，咱們能夠像讀取本地文件同樣讀取www和ftp上的數據。首先，咱們定義了一個getHtml()函數:

　　urllib.urlopen()方法用於打開一個URL地址。

　　read()方法用於讀取URL上的數據，向getHtml()函數傳遞一個網址，並把整個頁面下載下來。執行程序就會把整個網頁打印輸出。

二，篩選頁面中想要的數據

 

　　Python 提供了很是強大的正則表達式，咱們須要先要了解一點python 正則表達式的知識才行。

http://www.cnblogs.com/fnng/archive/2013/05/20/3089816.html

        假如咱們百度貼吧找到了幾張漂亮的壁紙，經過到前段查看工具。找到了圖片的地址，如：src=」http://imgsrc.baidu.com/forum......jpg」pic_ext=」jpeg」

修改代碼以下：

#coding=utf-8
import urllib
import re

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

def getImg(html):
    reg = r'src="(.+?\.jpg)" changedsize'
    imgre = re.compile(reg)
    imglist = re.findall(imgre,html)
    return imglist


html = getHtml("http://tieba.baidu.com/p/4703833623")
print getImg(html)

        咱們又建立了getImg()函數，用於在獲取的整個頁面中篩選須要的圖片鏈接。re模塊主要包含了正則表達式：

　　re.compile() 能夠把正則表達式編譯成一個正則表達式對象.

　　re.findall() 方法讀取html 中包含 imgre（正則表達式）的數據。

 　　 運行腳本將獲得整個頁面中包含圖片的URL地址。

三，將頁面篩選的數據保存到本地

        把篩選的圖片地址經過for循環遍歷並保存到本地，代碼以下：

#coding=utf-8
import urllib
import re

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

def getImg(html):
    reg = r'src="(.+?\.jpg)" changedsize'
    imgre = re.compile(reg)
    imglist = re.findall(imgre,html)
    x = 1
    for imgurl in imglist:
        urllib.urlretrieve(imgurl,'%s.jpg' % x)
        x+=1


html = getHtml("http://tieba.baidu.com/p/4703833623")

print getImg(html)

        這裏的核心是用到了urllib.urlretrieve()方法，直接將遠程數據下載到本地。

　　經過一個for循環對獲取的圖片鏈接進行遍歷，爲了使圖片的文件名看上去更規範，對其進行重命名，命名規則經過x變量加1。保存的位置默認爲程序的存放目錄。

程序運行完成，將在目錄下看到下載到本地的文件。