Python爬蟲：如何快速掌握Python爬蟲核心技術，批量爬取網絡圖片

對于爬蟲，很多伙伴首選的可能就是Python了吧，我們在學習Python爬蟲的時候得有側重點，這篇文章教大家如何快速掌握 Python爬蟲的核心！有不清楚的地方，可以留言！

1. 概述

本文主要實現一個簡單的爬蟲，目的是從一個百度貼吧頁面下載圖片。下載圖片的步驟如下：

（1）獲取網頁html文本內容；

（2）分析html中圖片的html標簽特征，用正則解析出所有的圖片url鏈接列表；

（3）根據圖片的url鏈接列表將圖片下載到本地文件夾中。

2. urllib+re實現

#!/usr/bin/python
# coding:utf-8
# 實現一個簡單的爬蟲，爬取百度貼吧圖片
import urllib
import re
# 根據url獲取網頁html內容
def getHtmlContent(url): 
 page = urllib.urlopen(url)
 return page.read()
# 從html中解析出所有jpg圖片的url
# 百度貼吧html中jpg圖片的url格式為：<img ... src="XXX.jpg" width=...>
def getJPGs(html): 
 # 解析jpg圖片url的正則 
 jpgReg = re.compile(r'<img.+?src="(.+?\.jpg)" width') # 注：這里最后加一個'width'是為了提高匹配精確度 
 # 解析出jpg的url列表 
 jpgs = re.findall(jpgReg,html)
 return jpgs
# 用圖片url下載圖片并保存成制定文件名
defdownloadJPG(imgUrl,fileName): 
 urllib.urlretrieve(imgUrl,fileName)
 # 批量下載圖片，默認保存到當前目錄下
def batchDownloadJPGs(imgUrls,path ='./'): 
 # 用于給圖片命名 
 count = 1 
 for url in imgUrls:
 downloadJPG(url,''.join([path,'{0}.jpg'.format(count)]))
 count = count + 1
# 封裝：從百度貼吧網頁下載圖片
def download(url): 
 html = getHtmlContent(url)
 jpgs = getJPGs(html)
 batchDownloadJPGs(jpgs)
def main(): 
 url = 'http://tieba.baidu.com/p/2256306796' 
 download(url)
if __name__ == '__main__':
 main()

運行上面腳本，過幾秒種之后完成下載，可以在當前目錄下看到圖片已經下載好了：

3. requests + re實現

下面用requests庫實現下載，把getHtmlContent和downloadJPG函數都用requests重新實現。

#!/usr/bin/python
# coding:utf-8
# 實現一個簡單的爬蟲，爬取百度貼吧圖片
import requests
import re
# 根據url獲取網頁html內容
def getHtmlContent(url): 
 page = requests.get(url):
 return page.text
# 從html中解析出所有jpg圖片的url
# 百度貼吧html中jpg圖片的url格式為：<img ... src="XXX.jpg" width=...>
def getJPGs(html): 
 # 解析jpg圖片url的正則 
 jpgReg = re.compile(r'<img.+?src="(.+?\.jpg)" width') # 注：這里最后加一個'width'是為了提高匹配精確度 
 # 解析出jpg的url列表 
 jpgs = re.findall(jpgReg,html)
 return jpgs
# 用圖片url下載圖片并保存成制定文件名
def downloadJPG(imgUrl,fileName): 
 # 可自動關閉請求和響應的模塊 
 from contextlib import closing
 with closing(requests.get(imgUrl,stream = True)) as resp:
 with open(fileName,'wb') as f:
 for chunk in resp.iter_content(128):
 f.write(chunk)
# 批量下載圖片，默認保存到當前目錄下
defbatchDownloadJPGs(imgUrls,path ='./'): 
 # 用于給圖片命名 
 count = 1 
 for url in imgUrls:
 downloadJPG(url,''.join([path,'{0}.jpg'.format(count)]))
 print '下載完成第{0}張圖片'.format(count)
 count = count + 1
# 封裝：從百度貼吧網頁下載圖片
def download(url): 
 html = getHtmlContent(url)
 jpgs = getJPGs(html)
 batchDownloadJPGs(jpgs)
def main(): 
 url = 'http://tieba.baidu.com/p/2256306796' 
 download(url)
if __name__ == '__main__':
 main()

輸出：和前面一樣。

希望這次簡單的python爬蟲小案例能幫到初入 Python爬蟲的你！

關注并回復Python爬蟲，可領取全套Python爬蟲視頻教程，或者私信我也可以哦！