- 相關(guān)推薦
利用python實現(xiàn)簡單爬蟲功能
在我們?nèi)粘Ｉ暇W(wǎng)瀏覽網(wǎng)頁的時候，經(jīng)常會看到一些好看的圖片，我們就希望把這些圖片保存下載。保存圖片除了常規(guī)的做法，還可不可以有更簡便更高效的方法呢?下面是百分網(wǎng)小編精心為大家整理的如何用python實現(xiàn)簡單爬蟲功能，希望對大家有幫助，更多內(nèi)容請關(guān)注應屆畢業(yè)生網(wǎng)!
在我們?nèi)粘Ｉ暇W(wǎng)瀏覽網(wǎng)頁的時候，經(jīng)常會看到一些好看的圖片，我們就希望把這些圖片保存下載，或者用戶用來做桌面壁紙，或者用來做設(shè)計的素材。
我們最常規(guī)的做法就是通過鼠標右鍵，選擇另存為。但有些圖片鼠標右鍵的時候并沒有另存為選項，還有辦法就通過就是通過截圖工具截取下來，但這樣就降低圖片的清晰度。好吧～!其實你很厲害的，右鍵查看頁面源代碼。
我們可以通過python 來實現(xiàn)這樣一個簡單的爬蟲功能，把我們想要的代碼爬取到本地。下面就看看如何使用python來實現(xiàn)這樣一個功能。
一，獲取整個頁面數(shù)據(jù)
首先我們可以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
print html
Urllib 模塊提供了讀取web頁面數(shù)據(jù)的接口，我們可以像讀取本地文件一樣讀取www和ftp上的數(shù)據(jù)。首先，我們定義了一個getHtml()函數(shù):
urllib.urlopen()方法用于打開一個URL地址。
read()方法用于讀取URL上的數(shù)據(jù)，向getHtml()函數(shù)傳遞一個網(wǎng)址，并把整個頁面下載下來。執(zhí)行程序就會把整個網(wǎng)頁打印輸出。
二，篩選頁面中想要的數(shù)據(jù)
Python 提供了非常強大的正則表達式，我們需要先要了解一點python 正則表達式的知識才行。
假如我們百度貼吧找到了幾張漂亮的壁紙，通過到前段查看工具。找到了圖片的地址
修改代碼如下：
import re
import urllib
def getHtml(url):
page = urllib.urlopen(url)
html = page.read()
return html
def getImg(html):
reg = r'src="(.+?\.jpg)" pic_ext'
imgre = re.compile(reg)
imglist = re.findall(imgre,html)
return imglist
html = getHtml
print getImg(html)
我們又創(chuàng)建了getImg()函數(shù)，用于在獲取的整個頁面中篩選需要的圖片連接。re模塊主要包含了正則表達式：
re.compile() 可以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(shù)據(jù)。
運行腳本將得到整個頁面中包含圖片的URL地址。
三，將頁面篩選的數(shù)據(jù)保存到本地
把篩選的圖片地址通過for循環(huán)遍歷并保存到本地，代碼如下：
#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)" pic_ext'
imgre = re.compile(reg)
imglist = re.findall(imgre,html)
x = 0
for imgurl in imglist:
urllib.urlretrieve(imgurl,'%s.jpg' % x)
x+=1
html = getHtml
print getImg(html)
這里的核心是用到了urllib.urlretrieve()方法，直接將遠程數(shù)據(jù)下載到本地。 通過一個for循環(huán)對獲取的圖片連接進行遍歷，為了使圖片的文件名看上去更規(guī)范，對其進行重命名，命名規(guī)則通過x變量加1。保存的位置默認為程序的存放目錄。
程序運行完成，將在目錄下看到下載到本地的文件。
【利用python實現(xiàn)簡單爬蟲功能】相關(guān)文章：
Python怎么實現(xiàn)多行注釋08-24
使用python實現(xiàn)Linux異步epoll的代碼10-27
python輕松實現(xiàn)代碼編碼格式轉(zhuǎn)換09-19
php使用ftp函數(shù)實現(xiàn)簡單上傳功能10-31
thinkPHP實現(xiàn)的聯(lián)動菜單功能10-03
php編程實現(xiàn)簡單的網(wǎng)頁版計算器功能08-29
java利用反射實現(xiàn)動態(tài)代理實現(xiàn)代碼10-08
php實現(xiàn)圖片縮放功能類08-17