zoukankan      html  css  js  c++  java
  • spider_jpg

    __author__ = 'sus'

    #urllib模块提供了读取Web页面数据的接口
    import urllib
    #re模块主要包含了正则表达式
    import re
    #定义一个getHtml()函数
    def getHtml(url):
    page = urllib.urlopen(url) #urllib.urlopen()方法用于打开一个URL地址
    html = page.read() #read()方法用于读取URL上的数据
    return html

    def getImg(html):
    reg = r'src="(.*?.jpg)"' #正则表达式,得到图片地址
    imgre = re.compile(reg) #re.compile() 可以把正则表达式编译成一个正则表达式对象.
    imglist = re.findall(imgre,html)
    #re.findall() 方法读取html 中包含 imgre(正则表达式)的数据
    #把筛选的图片地址通过for循环遍历并保存到本地
    #核心是urllib.urlretrieve()方法,直接将远程数据下载到本地,图片通过x依次递增命名
    x = 0
    for imgurl in imglist:
    urllib.urlretrieve(imgurl,'C:ATIEBA\%s.jpg' % x)
    x+=1
    print 'I have gotten %s pictures' %x
    print 'Please be careful about sipder'

    html = getHtml("http://tieba.baidu.com/p/4878382516")
    print getImg(html)

  • 相关阅读:
    ASP.NET简单登录注册实例
    ViewState 视图状态对象实例
    重定向redirect与跳转forward区别
    request请求对象实例
    Page_Load 事件
    JQuery增删改查
    winfrom增删改查
    SQLHelper类
    html弹出div弹窗
    react diff算法
  • 原文地址:https://www.cnblogs.com/sushome/p/6134354.html
Copyright © 2011-2022 走看看