Python实现简单网页图片抓取完整代码实例

Python  /  管理员 发布于 7年前   243

利用python抓取网络图片的步骤是：
1、根据给定的网址获取网页源代码
2、利用正则表达式把源代码中的图片地址过滤出来
3、根据过滤出来的图片地址下载网络图片

以下是比较简单的一个抓取某一个百度贴吧网页的图片的实现：

# -*- coding: utf-8 -*- # feimengjuan import re import urllib import urllib2 #抓取网页图片  #根据给定的网址来获取网页详细信息，得到的html就是网页的源代码 def getHtml(url):   page = urllib.urlopen(url)   html = page.read()   return html  def getImg(html):   #利用正则表达式把源代码中的图片地址过滤出来   reg = r'src="https:/article/(.+?\.jpg)" pic_ext'   imgre = re.compile(reg)   imglist = imgre.findall(html) #表示在整个网页中过滤出所有图片的地址，放在imglist中   x = 0   for imgurl in imglist:     urllib.urlretrieve(imgurl,'%s.jpg' %x) #打开imglist中保存的图片网址，并下载图片保存在本地     x = x + 1  html = getHtml("http://tieba.baidu.com/p/2460150866")#获取该网址网页详细信息，得到的html就是网页的源代码 getImg(html)#从网页源代码中分析并下载保存图片 

进一步对代码进行了整理，在本地创建了一个“图片”文件夹来保存图片

# -*- coding: utf-8 -*- # feimengjuan import re import urllib import urllib2 import os #抓取网页图片  #根据给定的网址来获取网页详细信息，得到的html就是网页的源代码 def getHtml(url):   page = urllib.urlopen(url)   html = page.read()   return html  #创建保存图片的文件夹 def mkdir(path):   path = path.strip()   # 判断路径是否存在   # 存在  True   # 不存在 Flase   isExists = os.path.exists(path)   if not isExists:     print u'新建了名字叫做',path,u'的文件夹'     # 创建目录操作函数     os.makedirs(path)     return True   else:     # 如果目录存在则不创建，并提示目录已经存在     print u'名为',path,u'的文件夹已经创建成功'     return False # 输入文件名，保存多张图片 def saveImages(imglist,name):   number = 1   for imageURL in imglist:     splitPath = imageURL.split('.')     fTail = splitPath.pop()     if len(fTail) > 3:       fTail = 'jpg'     fileName = name + "/" + str(number) + "." + fTail     # 对于每张图片地址，进行保存     try:       u = urllib2.urlopen(imageURL)       data = u.read()       f = open(fileName,'wb+')       f.write(data)       print u'正在保存的一张图片为',fileName       f.close()     except urllib2.URLError as e:       print (e.reason)     number += 1  #获取网页中所有图片的地址 def getAllImg(html):   #利用正则表达式把源代码中的图片地址过滤出来   reg = r'src="https:/article/(.+?\.jpg)" pic_ext'   imgre = re.compile(reg)   imglist = imgre.findall(html) #表示在整个网页中过滤出所有图片的地址，放在imglist中   return imglist   #创建本地保存文件夹，并下载保存图片 if __name__ == '__main__':   html = getHtml("http://tieba.baidu.com/p/2460150866")#获取该网址网页详细信息，得到的html就是网页的源代码   path = u'图片'   mkdir(path) #创建本地文件夹   imglist = getAllImg(html) #获取图片的地址列表   saveImages(imglist,path) # 保存图片 

结果在“图片”文件夹下保存了几十张图片，如截图：

总结

以上就是本文关于Python实现简单网页图片抓取完整代码实例的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站：

Python爬虫实例爬取网站搞笑段子

python爬虫系列Selenium定向爬取虎扑篮球图片详解

如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！