利用python实现简单爬虫功能
在我们日常上网浏览网页的时候,经常会看到一些好看的图片,我们就希望把这些图片保存下载。保存图片除了常规的做法,还可不可以有更简便更高效的方法呢?下面是本站小编精心为大家整理的如何用python实现简单爬虫功能,希望对大家有帮助,更多内容请关注应届毕业生网!
在我们日常上网浏览网页的时候,经常会看到一些好看的图片,我们就希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,还有办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晰度。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 来实现这样一个简单的爬虫功能,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,获取整个页面数据
首先我们可以先获取要下载图片的整个页面信息。
getj
#coding=utf-8
import urllib
def getHtml(url):
page = pen(url)
html = ()
return html
html = getHtml
print html
Urllib 模块提供了读取web页面数据的接口,我们可以像读取本地文件一样读取www和ftp上的数据。首先,我们定义了一个getHtml()函数:
pen()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 提供了非常强大的正则表达式,我们需要先要了解一点python 正则表达式的知识才行。
假如我们百度贴吧找到了几张漂亮的壁纸,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 = pen(url)
html = ()
return html
def getImg(html):
reg = r'src="(.+?.jpg)" pic_ext'
imgre = ile(reg)
imglist = all(imgre,html)
return imglist
html = getHtml
print getImg(html)
我们又创建了getImg()函数,用于在获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:
ile() 可以把正则表达式编译成一个正则表达式对象.
all() 方法读取html 中包含 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 = pen(url)
html = ()
return html
def getImg(html):
reg = r'src="(.+?.jpg)" pic_ext'
imgre = ile(reg)
imglist = all(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etrieve()方法,直接将远程数据下载到本地。 通过一个for循环对获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,命名规则通过x变量加1。保存的位置默认为程序的存放目录。
程序运行完成,将在目录下看到下载到本地的文件。
-
编译chm格式PHP手册的方法
微软的chm文件格式是很受我们喜爱的,因为它可以把很多HTML文件打包成一个文件,容易传输和分享。而且非常方便易用,支持索引、搜索等。正因为这样,大家通常都使用chm版本的PHP手册。php.net会定期编译PHP手册,提供各种版本供大家下载,包括chm格式。由于是定期编译,所以...
-
如何运用PHP实现字符串逆序排列
如何运用PHP实现字符串逆序排列呢?下面是小编给大家提供的实现方法,大家可以参考练习,更多详情请关注应届毕业生考试网。关于字符串的逆序排列,最简单的使用PHP函数strrev()的测试代码如下:header('Content-type:text/html;charset=utf-8');$str=implode(&...
-
php环境怎么配置
使用php集成环境可以轻松实现php一键安装,搭建php开发环境;phpnow,xampp,phpstudy是Windows平台上最常用的三个php集成开发环境。以下是小编为大家搜索整理的PHP环境配置的方法,欢迎大家阅读!更多精彩内容请及时关注我们考试网!运行环境配置:php54+Apache2.2+Mysq...
-
php如何基于dom实现图书xml格式数据
导语:php如何基于dom实现图书xml格式数据呢?下面是小编给大家提供的代码实现方法,大家可以参考阅读,更多详情请关注应届毕业生考试网。<?php$doc=newDOMDocument();$doc->load('');$books=$doc->getElementsByTagName("book");foreach($booksas$book){$aut...