首页 > 代码库 > python实现简单图片爬虫并保存
python实现简单图片爬虫并保存
先po代码
#coding=utf-8 import urllib.request #3之前的版本直接用urllib即可,下同 #该模块提供了web页面读取数据的接口,使得我们可以像读取本地文件一样读取www或者ftp上的数据 import re import os def getHtml(url): page = urllib.request.urlopen(url); html = page.read(); return html; def getImg(html): imglist = re.findall(‘img src="http://www.mamicode.com/(http.*?)"‘,html)#1 #http.*?表示非贪婪模式的匹配,只要符合http就匹配完成,不再看后面的内容是否匹配,即在能使整个匹配成功的前提下,使用最少的重复 return imglist html = getHtml("https://www.zhihu.com/question/39731953").decode("utf-8"); imagesUrl = getImg(html); if os.path.exists("D:/imags") == False: os.mkdir("D:/imags"); count = 0; #文件的起始名称为 0 for url in imagesUrl: print(url) if(url.find(‘.‘) != -1):#2 name = url[url.find(‘.‘,len(url) - 5):]; bytes = urllib.request.urlopen(url); f = open("D:/imags/"+str(count)+name, ‘wb‘); #代开一个文件,准备以二进制写入文件 f.write(bytes.read());#write并不是直接将数据写入文件,而是先写入内存中特定的缓冲区 f.flush();#将缓冲区的数据立即写入缓冲区,并清空缓冲区 f.close();#关闭文件 count+=1;
代码分析:
1.re.findall语法: findall(parttern,string,flags=0)
含义:返回string中与partten匹配的全部字符串,返回形式是数组
2.find()语法:find(str,pos_start,pos_end)
含义:在url中查找str字符串的位置,pos_start是指从哪一个位置开始找,默认值为0,查找的默认位置,默认值为-1,若在url中找不到str,则返回-1
python实现简单图片爬虫并保存
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。