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。

getjpg.py

复制代码
  1. #coding=utf-8
  2. import urllib
  3.  
  4. def getHtml(url):
  5.     page = urllib.urlopen(url)
  6.     html = page.read()
  7.     return html
  8.  
  9. html = getHtml("http://tieba.baidu.com/p/2738151262")
  10.  
  11. print html
复制代码

　　

由于高版本python已经不支持urllib.urlopen(),所以代码改成：

  1. import urllib.request

    def getHtml(url):
        page=urllib.request.urlopen(url)
        html=page.read()
        return html


    html=getHtml(\'https://www.baidu.com/\')
    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:

　　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。

http://www.cnblogs.com/fnng/archive/2013/05/20/3089816.html

 

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……jpg”pic_ext=”jpeg”

修改代码如下：

复制代码
  1. import re
  2. import urllib
  3.  
  4. def getHtml(url):
  5.     page = urllib.urlopen(url)
  6.     html = page.read()
  7.     return html
  8.  
  9. def getImg(html):
  10.     reg = r\'src="(.+?\.jpg)" pic_ext\'
  11.     imgre = re.compile(reg)
  12.     imglist = re.findall(imgre,html)
  13.     return imglist      
  14.    
  15. html = getHtml("http://tieba.baidu.com/p/2460150866")
  16. 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：

 

复制代码
  1. #coding=utf-8
  2. import urllib
  3. import re
  4.  
  5. def getHtml(url):
  6.     page = urllib.urlopen(url)
  7.     html = page.read()
  8.     return html
  9.  
  10. def getImg(html):
  11.     reg = r\'src="(.+?\.jpg)" pic_ext\'
  12.     imgre = re.compile(reg)
  13.     imglist = re.findall(imgre,html)
  14.     x = 0
  15.     for imgurl in imglist:
  16.         urllib.urlretrieve(imgurl,\'%s.jpg\' % x)
  17.         x+=1
  18.  
  19.  
  20. html = getHtml("http://tieba.baidu.com/p/2460150866")
  21.  
  22. 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。

修改：

  1. def download(url):
        urllib.request.urlretrieve(url,\'1.jpg\')

    html=getHtml(\'https://www.baidu.com/\')

    img=download(\'https://ss0.bdstatic.com/5aV1bjqh_Q23odCf/static/superman/img/logo/bd_logo1_31bdc765.png\')

    print(img)

　　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。

 

版权声明：本文为to-creat原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/to-creat/p/6438288.html