• 博客园logo
  • 会员
  • 众包
  • 新闻
  • 博问
  • 闪存
  • 赞助商
  • HarmonyOS
  • Chat2DB
    • 搜索
      所有博客
    • 搜索
      当前博客
  • 写随笔 我的博客 短消息 简洁模式
    用户头像
    我的博客 我的园子 账号设置 会员中心 简洁模式 ... 退出登录
    注册 登录
Williamzon
https://docs.python.org/2/library/index.html
博客园    首页    新随笔    联系   管理    订阅  订阅

python 图片爬虫

#!/usr/bin/env python
#coding:utf-8

import urllib
import re

def GetHtml(url):
    """获取HTML页面所有元素."""

    page =  urllib.urlopen(url)
    html = page.read()
    return html

def GetImg(html):
    """ 获取HTML页面所有.jpg图片."""

    reg = r'src="(.+?\.jpg)"'  
    imgre = re.compile(reg)
    imglist = re.findall(imgre, html)
    x = 0
    for imgurl in imglist:
        urllib.urlretrieve(imgurl, '%s.jpg' %x, cbx)
        x += 1
        print "img: %s is done!" %x

def cbx(a, b, c):
    """显示下载进度.
    @a: 已经下载的数据块
    @b: 数据块大小
    @c: 远程文件的大小
    """
    
    per = 100.0 * a * b / c
    if per > 100:
        per = 100
    print "%.2f%%" %per

html = GetHtml("http://www.baidu.com")
print GetImg(html)

 

posted @ 2015-08-18 17:38  Williamzon  阅读(235)  评论(0)    收藏  举报
刷新页面返回顶部
博客园  ©  2004-2025
浙公网安备 33010602011771号 浙ICP备2021040463号-3