python-30:极视界爬虫V-0.1
2015-11-27 00:00
239 查看
好了,我们这个实例要求实现的功能是爬取网页上的图片并下载到本地,所有相关的知识已经讲解完了
为了方便代码的编写,我们把流程分析再细致一些:
1. 传入极视界首页网址(url),爬取极视界首页的网页源码,并使用RE获取相册的网址和相册的名称
2. 相册的网址当成(info_url)传入来爬取相册的源码,并使用RE将源码中的图片的网址(img_url)找出来
3. 相册的名称用来创建文件夹,将图片下载放到对应的文件夹中
代码的编写可以有很多种,这里贴上我写的代码:
为了方便代码的编写,我们把流程分析再细致一些:
1. 传入极视界首页网址(url),爬取极视界首页的网页源码,并使用RE获取相册的网址和相册的名称
2. 相册的网址当成(info_url)传入来爬取相册的源码,并使用RE将源码中的图片的网址(img_url)找出来
3. 相册的名称用来创建文件夹,将图片下载放到对应的文件夹中
代码的编写可以有很多种,这里贴上我写的代码:
#!/usr/bin/env python # -*- coding: UTF-8 -*- __author__ = '217小月月坑' ''' 网页跳转,相册图片下载 ''' import urllib import urllib2 import re import os # url是极视界首页网址 url = 'http://product.yesky.com/more/506001_31372_photograph_1.shtml' user_agent = 'Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:40.0) Gecko/20100101 Firefox/40.0' headers = {'User-Agent':user_agent} try: request = urllib2.Request(url,headers=headers) response = urllib2.urlopen(request) conents = response.read().decode("gbk") pattern = re.compile(r'<dt><a href="(.*?)" title="(.*?)"',re.S) items = re.findall(pattern,conents) for info_url in items: print info_url[0],info_url[1] path = r'/home/ym/test/'+info_url[1] os.mkdir(path) # info_url是每一个相册的网址 info_response = urllib2.urlopen(info_url[0]) info_conents = info_response.read().decode("gbk") info_pattern = re.compile(r'<li.*?<img src="(.*?)"',re.S) img_urls = re.findall(info_pattern,info_conents) i = 1 for img_url in img_urls: # img_url 是图片的地址 print img_url img_path = path+'/'+str(i) i+=1 urllib.urlretrieve(img_url,img_path) print u'图片'+img_path+u'下载完成' except urllib2.URLError,e: if hasattr(e,"code"): print e.code if hasattr(e,"reason"): e.reason
相关文章推荐
- Python动态类型的学习---引用的理解
- Python3写爬虫(四)多线程实现数据爬取
- 垃圾邮件过滤器 python简单实现
- 下载并遍历 names.txt 文件,输出长度最长的回文人名。
- install and upgrade scrapy
- Scrapy的架构介绍
- Centos6 编译安装Python
- 使用Python生成Excel格式的图片
- 让Python文件也可以当bat文件运行
- [Python]推算数独
- 爬虫笔记
- Python中zip()函数用法举例
- Python中map()函数浅析
- Python将excel导入到mysql中
- Python在CAM软件Genesis2000中的应用
- 使用Shiboken为C++和Qt库创建Python绑定
- MySQL-python 安装出现的问题