51Testing软件测试论坛

 找回密码
 (注-册)加入51Testing

QQ登录

只需一步,快速开始

微信登录,快人一步

手机号码,快捷登录

查看: 1436|回复: 1
打印 上一主题 下一主题

python抓取网页图片 python爬虫实例

[复制链接]
  • TA的每日心情
    无聊
    6 小时前
  • 签到天数: 528 天

    连续签到: 1 天

    [LV.9]测试副司令

    跳转到指定楼层
    1#
    发表于 2019-1-14 14:18:11 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

    使用python抓取网页图片的示例(python网络爬虫)。

    代码:
    1. #-*- encoding: utf-8 -*-'''Created on 2014-4-24
    2. @author: Leon Wong'''import urllib2import urllibimport reimport timeimport osimport uuid#获取二级页面urldef findUrl2(html):
    3. re1 = r'http://tuchong.com/\d+/\d+/|http://\w+(?<!photos).tuchong.com/\d+/'url2list = re.findall(re1,html)
    4. url2lstfltr = list(set(url2list))
    5. url2lstfltr.sort(key=url2list.index)#print url2lstfltrreturn url2lstfltr#获取html文本def getHtml(url):
    6. html = urllib2.urlopen(url).read().decode('utf-8')#解码为utf-8return html#下载图片到本地def download(html_page , pageNo):
    7. #定义文件夹的名字x = time.localtime(time.time())
    8. foldername = str(x.__getattribute__("tm_year"))+"-"+str(x.__getattribute__("tm_mon"))+"-"+str(x.__getattribute__("tm_mday"))
    9. re2=r'http://photos.tuchong.com/.+/f/.+\.jpg'imglist=re.findall(re2,html_page)print imglist
    10. download_img=Nonefor imgurl in imglist:
    11. picpath = 'D:\\TuChong\\%s\\%s' % (foldername,str(pageNo))
    12. filename = str(uuid.uuid1())if not os.path.exists(picpath):
    13. os.makedirs(picpath)
    14. target = picpath+"\\%s.jpg" % filenameprint "The photos location is:"+target
    15. download_img = urllib.urlretrieve(imgurl, target)#将图片下载到指定路径中time.sleep(1)print(imgurl)return download_img# def callback(blocknum, blocksize, totalsize):# '''回调函数 www.jbxue.com# @blocknum: 已经下载的数据块# @blocksize: 数据块的大小# @totalsize: 远程文件的大小# '''# print str(blocknum),str(blocksize),str(totalsize)# if blocknum * blocksize >= totalsize:# print '下载完成'def quitit():print "Bye!"exit(0)if __name__ == '__main__':print ''' *****************************************
    16. ** Welcome to Spider for TUCHONG **
    17. ** Created on 2014-4-24 **
    18. ** @author: Leon Wong **
    19. *****************************************'''pageNo = raw_input("Input the page number you want to scratch (1-100),please input 'quit' if you want to quit>")while not pageNo.isdigit() or int(pageNo) > 100 :if pageNo == 'quit':quitit()print "Param is invalid , please try again."pageNo = raw_input("Input the page number you want to scratch >")#针对图虫人像模块来爬取html = getHtml("http://tuchong.com/tags/%E4%BA%BA%E5%83%8F/?page="+str(pageNo))

    20. detllst = findUrl2(html)for detail in detllst:
    21. html2 = getHtml(detail)
    22. download(html2,pageNo)print "Finished."
    复制代码


    分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
    收藏收藏
    回复

    使用道具 举报

    本版积分规则

    关闭

    站长推荐上一条 /1 下一条

    小黑屋|手机版|Archiver|51Testing软件测试网 ( 沪ICP备05003035号 关于我们

    GMT+8, 2024-11-18 16:24 , Processed in 0.069625 second(s), 23 queries .

    Powered by Discuz! X3.2

    © 2001-2024 Comsenz Inc.

    快速回复 返回顶部 返回列表