- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章Python实现简单网页图片抓取完整代码实例由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
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:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
# -*- 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="(.+?\.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 。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
|
# -*- 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="(.+?\.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。如有不足之处,欢迎留言指出。感谢朋友们对本站的支持! 。
原文链接:http://blog.csdn.net/feimengjuan/article/details/51163803 。
最后此篇关于Python实现简单网页图片抓取完整代码实例的文章就讲到这里了,如果你想了解更多关于Python实现简单网页图片抓取完整代码实例的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!