8分钟教你快速掌握Python爬虫核心技术，批量爬取网络图片

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

本文章来自腾讯云 作者：python学习教程

想要学习Python？有问题得不到第一时间解决？来看看这里“1039649593”满足你的需求，资料都已经上传至文件中，可以自行下载！还有海量最新2020python学习资料。
点击查看

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。

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 urllib
import 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 requests
import 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~