zoukankan      html  css  js  c++  java
  • Python爬虫获取百度贴吧图片

    #!/usr/bin/python
    # -*- coding: UTF-8 -*-
    import urllib
    import re
    文章来源:https://www.cnblogs.com/Axi8/p/5757270.html

    class Spilder01(object):

    # page = urllib.urlopen('http://tieba.baidu.com/p/1753935195')
    # htmlcode = page.read() # 读取页面源码
    # print htmlcode # 在控制台输出
    #
    # pageFile = 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

    # 页面获取
    def get_html(url):
    page = urllib.urlopen(url)
    html = page.read()
    return html

    # 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
    # reg = 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
    # x = 0
    # for img in imglist:
    # urllib.urlretrieve(img, '%s.jpg' % x)
    # x += 1
    # # print img

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

    print 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')
  • 相关阅读:
    iOS应用开发最佳实践
    Pywinauto 基于Win32 程序的自动化功能测试工具
    通信系统概论---电路交换与分组交换
    手动设置3G的wifi迷你无线路由
    作为一个软件测试工作者的思考
    中国人咋对“拼爹”现象如此诟病?
    HLS协议实现
    div:给div加滚动栏 div的滚动栏设置
    关于PCA算法的一点学习总结
    搜索引擎技术之概要预览
  • 原文地址:https://www.cnblogs.com/smartwen666/p/10507484.html
Copyright © 2011-2022 走看看