《利用python实现简单爬虫功能.docx》由会员分享，可在线阅读，更多相关《利用python实现简单爬虫功能.docx（3页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、本文格式为Word版，下载可任意编辑利用python实现简单爬虫功能 在我们日常上网扫瞄网页的时候，常常会看到一些好看的图片，我们就盼望把这些图片保存下载。保存图片除了常规的做法，还可不行以有更简便更高效的方法呢?下面是百分网我细心为大家整理的如何用python实现简洁爬虫功能，盼望对大家有关心，更多内容请关注! 在我们日常上网扫瞄网页的时候，常常会看到一些好看的图片，我们就盼望把这些图片保存下载，或者用户用来做桌面壁纸，或者用来做设计的素材。 我们最常规的做法就是通过鼠标右键，选择另存为。但有些图片鼠标右键的时候并没有另存为选项，还有方法就通过就是通过截图工具截取下来，但这样就降低图片的清楚
2、度。好吧!其实你很厉害的，右键查看页面源代码。 我们可以通过python 来实现这样一个简洁的爬虫功能，把我们想要的代码爬取到本地。下面就看看如何使用python来实现这样一个功能。 一，猎取整个页面数据 首先我们可以先猎取要下载图片的整个页面信息。 getjpg.py #coding=utf-8 import urllib def getHtml(url): page = urllib.urlopen(url) html = page.read() return html html = getHtml print html Urllib 模块供应了读取web页面数据的接口，我们可以像读取本地
3、文件一样读取和ftp上的数据。首先，我们定义了一个getHtml()函数: urllib.urlopen()方法用于打开一个URL地址。 read()方法用于读取URL上的数据，向getHtml()函数传递一个网址，并把整个页面下载下来。执行程序就会把整个网页打印输出。 二，筛选页面中想要的数据 Python 供应了特别强大的正则表达式，我们需要先要了解一点python 正则表达式的学问才行。 假如我们百度贴吧找到了几张美丽的壁纸，通过到前段查看工具。找到了图片的地址 修改代码如下： import re import urllib def getHtml(url): page = urllib
4、.urlopen(url) html = page.read() return html def getImg(html): reg = rsrc=(.+?.jpg) pic_ext imgre = pile(reg) imglist = re.findall(imgre,html) return imglist html = getHtml print getImg(html) 我们又创建了getImg()函数，用于在猎取的整个页面中筛选需要的图片连接。re模块主要包含了正则表达式： pile() 可以把正则表达式编译成一个正则表达式对象. re.findall() 方法读取html 中包含
5、 imgre(正则表达式)的数据。 运行脚本将得到整个页面中包含图片的URL地址。 三，将页面筛选的数据保存到本地 把筛选的图片地址通过for循环遍历并保存到本地，代码如下： #coding=utf-8 import urllib import re def getHtml(url): page = urllib.urlopen(url) html = page.read() return html def getImg(html): reg = rsrc=(.+?.jpg) pic_ext imgre = pile(reg) imglist = re.findall(imgre,html) x = 0 for imgurl in imglist: urllib.urlretrieve(imgurl,%s.jpg % x) x+=1 html = getHtml print getImg(html) 这里的核心是用到了urllib.urlretrieve()方法，直接将远程数据下载到本地。 通过一个for循环对猎取的图片连接进行遍历，为了使图片的文件名看上去更规范，对其进行重命名，命名规章通过x变量加1。保存的位置默认为程序的存放名目。 程序运行完成，将在名目下看到下载到本地的文件。 第 3 页 共 3 页