python爬虫抓取图片到本地

有次电话面试，被问到爬虫能不能抓取图片。当时觉得爬虫是抓取的文本，应该抓不到图片吧。简单的python竟然几行就可以搞定。

代码如下：

<span style="font-size:14px;">'''获取image.baidu.com的图片url，下载到本地'''
'''urllib模块提供了读取web页面数据的接口，可以像本地文件一样读取www和ftp上的数据.
'''
import urllib
import re

def getHtml(url):#打开一个url地址，读取url上的数据。
page=urllib.urlopen(url)
html=page.read()
return html

def getImg(html):
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)#远程数据下载到本地，图片重命名
x+=1
return imglist

html=getHtml(r"http://image.baidu.com")

print getImg(html)</span>

.urllib模块中的方法

1.urllib.urlopen(url[,data[,proxies]])

打开一个url的方法，返回一个文件对象，然后可以进行类似文件对象的操作。本例试着打开baidu

<span style="font-size:14px;">import urllib

page=urllib.urlopen(r'http://www.baidu.com')

firstline=page.readline()

print firstline</span>

urlopen返回对象提供方法：

- read() , readline() ,readlines() , fileno() , close() ：这些方法的使用方式与文件对象完全一样

- info()：返回一个httplib.HTTPMessage对象，表示远程服务器返回的头信息

- getcode()：返回Http状态码。如果是http请求，200请求成功完成;404网址未找到

- geturl()：返回请求的url

2.urllib.urlretrieve(url[,filename[,reporthook[,data]]])

urlretrieve方法将url定位到的html文件下载到你本地的硬盘中。如果不指定filename，则会存为临时文件。

urlretrieve()返回一个二元组(filename,mine_hdrs)

filename=urllib.urlretrieve('http://www.baidu.com')
type(filename)
print filename
#存为本地文件

filename = urllib.urlretrieve('http://www.baidu.com',filename='e:/baidu.html')

3.urllib.urlcleanup()

清除由于urllib.urlretrieve()所产生的缓存

4.urllib.quote(url)和urllib.quote_plus(url)

将url数据获取之后，并将其编码，从而适用与URL字符串中，使其能被打印和被web服务器接受。

urllib.quote('http://www.baidu.com')
'http%3A//www.baidu.com'

[code]urllib.quote_plus('http://www.baidu.com')
'http%3A%2F%2Fwww.baidu.com'

5.urllib.unquote(url)和urllib.unquote_plus(url)

与4的函数相反。

6.urllib.urlencode(query)

将URL中的键值对以连接符&划分

这里可以与urlopen结合以实现post方法和get方法：

GET方法：

>>> import urllib
>>> params=urllib.urlencode({'spam':1,'eggs':2,'bacon':0})
>>> params
'eggs=2&bacon=0&spam=1'
>>> f=urllib.urlopen("http://python.org/query?%s" % params)
>>> print f.read()

POST方法：

>>> import urllib
>>> parmas = urllib.urlencode({'spam':1,'eggs':2,'bacon':0})
>>> f=urllib.urlopen("http://python.org/query",parmas)
>>> f.read()