时间：2019-05-25 00:00:00
来源：信盈达
作者：信盈达
tica, Verdana, Tahoma, sans-serif"> 在一些网站上经常看到一些好的图片希望批量下载保存到本地，但是一个个右击保存有显的十分麻烦，这里可以通过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，功能有点类似我们之前学过的批处理。下面就看看如何使用python来实现这样一个功能，主要分为三步，如下：
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。
创建getjpg.py文件
-
#coding=utf-8
-
import urllib
-
-
def getHtml(url):
-
page = urllib.urlopen(url)
-
html = page.read()
-
return html
-
-
html = getHtml("http://tieba.baidu.com/p/2738151262")
-
-
print html
-
复制代码
说明：
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；
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 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。
re模块中一些重要的函数：
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，如：src="http://imgsrc.baidu.com/forum/w%3D580/sign=750661a0fcfaaf5184e381b7bc5594ed/75fafbedab64034fc3ed0b80aec379310a551d11.jpg"
修改代码如下：
-
import re
-
import urllib
-
-
def getHtml(url):
-
page = urllib.urlopen(url)
-
html = page.read()
-
return html
-
-
def getImg(html):
-
reg = r'src="(.+?\.jpg)" pic_ext'
-
imgre = re.compile(reg)
-
imglist = re.findall(imgre,html)
-
return imglist
-
-
html = getHtml("http://tieba.baidu.com/p/2460150866")
-
print getImg(html)
-
复制代码
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：
re.compile() 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 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 = r'src="(.+?\.jpg)" pic_ext'
-
imgre = re.compile(reg)
-
imglist = re.findall(imgre,html)
-
x = 0
-
for imgurl in imglist:
-
urllib.urlretrieve(imgurl,'c:\Users\Administrator\Desktop\pic\%s.jpg' % x)
-
x+=1
-
-
-
html = getHtml("http://tieba.baidu.com/p/2460150866")
-
-
print getImg(html)
-
复制代码
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。
效果如下：
