Python实现简单网页图片抓取完整代码实例


            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="(.+?\.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="(.+?\.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！