python 爬虫得到网页的图片

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python 爬虫得到网页的图片相关的知识,希望对你有一定的参考价值。

 

 

 

import urllib.request,os
import re


# 获取html 中的内容
def getHtml(url):
    page=urllib.request.urlopen(url)
    html=page.read()
    return html

path=‘本地存储位置‘

# 保存路径
def saveFile(x):
    if not os.path.isdir(path):
        os.makedirs(path)
    t = os.path.join(path,‘%s.jpg‘%x)
    return  t

html=getHtml(‘https://。。。‘)

# 获取网页的图片
def getImg(html):
    # 正则表达式
    reg=r‘src="(https://imgsa[^>]+\\.(?:jpeg|jpg))"‘
    # 编译正则表达式
    imgre=re.compile(reg)
    imglist=re.findall(imgre,html.decode(‘utf-8‘))
    x=0
    for imgurl in imglist:
        # 下载图片
        urllib.request.urlretrieve(imgurl,saveFile(x))
        print(imgurl)
        x+=1
        if x==23:
            break
    print(x)
    return imglist

getImg(html)
print(‘end‘)

  

 

 

^ : 字符串的开始,

$:   字符串的末尾

. : 匹配任意字符,除换行符

* : 任意多的字符

+: 任意大于1 的字符

?:   匹配0或1个, home-?brew : homebrew, 或home-brew

[]:  指定一个字符类别,可以单独列出,也可以使用- 表示一个区间。[abc]匹配a,b,c 中的任意一个字符,也可以表示[a-c]的字符集

[^]: ^ 作为类别的首个字符,[^5]将匹配除5之外的任意字符

\\ :  转义字符

技术分享

 

 

加反斜杠取消特殊性。\\ section, 为了匹配反斜杠,就得写为\\\\, 但是\\\\ 又有别的意思。。大量反斜杠。。。 使用raw字符串表示,在字符串前加r,反斜杠就不会当做特殊处理,\\n 表示两个字符\\ 和n,而不是换行。

如: https://imgsa[^>]+\\.(?:jpeg|jpg) 表示 https://imgsa(不匹配>的多余1个的字符串).

 

方法/属性 作用
match() 决定 RE 是否在字符串刚开始的位置匹配
search() 扫描字符串,找到这个 RE 匹配的位置
findall() 找到 RE 匹配的所有子串,并把它们作为一个列表返回
finditer() 找到 RE 匹配的所有子串,并把它们作为一个迭代器返回 
方法/属性 作用
group() 返回被 RE 匹配的字符串
start() 返回匹配开始的位置
end() 返回匹配结束的位置
span() 返回一个元组包含匹配 (开始,结束) 的位置 

以上是关于python 爬虫得到网页的图片的主要内容,如果未能解决你的问题,请参考以下文章

Python3简单爬虫抓取网页图片

java爬虫抓取指定数据

python爬虫获取图片

第一个python爬虫——保存淘宝mm图片

Python 爬虫入门

Python学习---网页爬虫[下载图片]