如果你仔细观察,就不难发现,懂爬虫、学习爬虫的人越来越多,一方面,互联网可以获取的数据越来越多,另一方面,像 Python这样的编程语言提供越来越多的优秀工具,让爬虫变得简单、容易上手。 对于小白来说,爬虫可能是一件非常复杂,技术门槛很高的事情,其实只要掌握正确方法,在短时间内也是能够做到精通的!这里给你一条平滑的,零基础快速入门的学习路径。 先来带你简单的爬取一下网络图片: 1. 概述 本文主要实现一个简单的爬虫,目的是从一个百度贴吧页面下载图片。下载图片的步骤如下: (1)获取网页html文本内容; (2)分析html中图片的html标签特征,用正则解析出所有的图片url链接列表; (3)根据图片的url链接列表将图片下载到本地文件夹中。 如果你是零基础小白,看不懂,没关系!完整项目代码+视频使用教程+Python编程学习资料都给你带走,有了这些 不怕你学不会! 不收取任何费用哦 2. urllib+re实现 #!/usr/bin/python# coding:utf-8# 实现一个简单的爬虫,爬取百度贴吧图片import urllibimport re# 根据url获取网页html内容def getHtmlContent(url): page = urllib.urlopen(url) return page.read()# 从html中解析出所有jpg图片的url# 百度贴吧html中jpg图片的url格式为:<img ... src='XXX.jpg' width=...>def getJPGs(html): # 解析jpg图片url的正则 jpgReg = re.compile(r'<img.+?src='(.+?\.jpg)' width') # 注:这里最后加一个'width'是为了提高匹配精确度 # 解析出jpg的url列表 jpgs = re.findall(jpgReg,html) return jpgs# 用图片url下载图片并保存成制定文件名defdownloadJPG(imgUrl,fileName): urllib.urlretrieve(imgUrl,fileName) # 批量下载图片,默认保存到当前目录下def batchDownloadJPGs(imgUrls,path ='./'): # 用于给图片命名 count = 1 for url in imgUrls: downloadJPG(url,''.join([path,'{0}.jpg'.format(count)])) count = count + 1# 封装:从百度贴吧网页下载图片def download(url): html = getHtmlContent(url) jpgs = getJPGs(html) batchDownloadJPGs(jpgs)def main(): url = 'http://tieba.baidu.com/p/2256306796' download(url)if __name__ == '__main__': main() 运行上面脚本,过几秒种之后完成下载,可以在当前目录下看到图片已经下载好了: 3. requests + re实现 下面用requests库实现下载,把getHtmlContent和downloadJPG函数都用requests重新实现。 #!/usr/bin/python# coding:utf-8# 实现一个简单的爬虫,爬取百度贴吧图片import requestsimport re# 根据url获取网页html内容def getHtmlContent(url): page = requests.get(url): return page.text# 从html中解析出所有jpg图片的url# 百度贴吧html中jpg图片的url格式为:<img ... src='XXX.jpg' width=...>def getJPGs(html): # 解析jpg图片url的正则 jpgReg = re.compile(r'<img.+?src='(.+?\.jpg)' width') # 注:这里最后加一个'width'是为了提高匹配精确度 # 解析出jpg的url列表 jpgs = re.findall(jpgReg,html) return jpgs# 用图片url下载图片并保存成制定文件名def downloadJPG(imgUrl,fileName): # 可自动关闭请求和响应的模块 from contextlib import closing with closing(requests.get(imgUrl,stream = True)) as resp: with open(fileName,'wb') as f: for chunk in resp.iter_content(128): f.write(chunk)# 批量下载图片,默认保存到当前目录下defbatchDownloadJPGs(imgUrls,path ='./'): # 用于给图片命名 count = 1 for url in imgUrls: downloadJPG(url,''.join([path,'{0}.jpg'.format(count)])) print '下载完成第{0}张图片'.format(count) count = count + 1# 封装:从百度贴吧网页下载图片def download(url): html = getHtmlContent(url) jpgs = getJPGs(html) batchDownloadJPGs(jpgs)def main(): url = 'http://tieba.baidu.com/p/2256306796' download(url)if __name__ == '__main__': main() 输出:和前面一样。 不知道这篇简单的python爬虫小案例有没有帮到你呢?无论你是零基础小白看不懂还是看懂了想体验高难度!小伙伴们都不用担心~小编已经为你准备好了Python爬视频教程请关注+私信回复小编我关键词“学习”就可以拿到这份份我为大家准备的13天学会Python爬虫分布式十三天具体干什么? 第一天: 第二天: 第三天: 第四天: 第五天: 第六天: 第七天: 第八天: 第九天: 第十天: 第十一天: 第十二天: 第十三天: 每天三两个小时,13天轻松拿下python爬虫,你就说牛不牛!溜不溜! |
|