15分钟教你如何快速掌握Python爬虫核心技术，批量爬取网络图片

魔洛哥 2019-11-05

展开全文

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。