爬虫 spider

Posted whitesky_root

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫 spider相关的知识,希望对你有一定的参考价值。

python 2.x

# -*- coding: utf-8 -*-
import re
import urllib

url = ‘http://tieba.baidu.com/p/4872795764‘
page = urllib.urlopen(url)
html = page.read()

r = ‘src="(.*?\.jpg)" size‘ # 注意此处?的作用,取消贪婪匹配 结合findall方法,只匹配分组中的内容
imgre = re.compile(r)
imglist = re.findall(imgre, html)

count = 0
for imgurl in imglist:
urllib.urlretrieve(imgurl, filename=‘mac_book Pro %s.jpg‘ % count)
count += 1




函数:

def gethtml(url):
html = urllib.urlopen(url).read()
return html

def getimg(html):
r = ‘src="(.*?\.jpg)" size‘
imgre = re.compile(r)
imglist = re.findall(imgre, html)
print imglist
count = 0
for imgurl in imglist:
urllib.urlretrieve(imgurl, filename=‘mac_book_Pro_%s.jpg‘ % count)
count += 1
html = gethtml(‘http://tieba.baidu.com/p/4872795764‘)
getimg(html)

以上是关于爬虫 spider的主要内容,如果未能解决你的问题,请参考以下文章

Scrapy代码实战

八月份课堂--Python爬虫(Spider)基础

优酷电视剧爬虫代码实现一:下载解析视频网站页面

爬虫代码

爬虫代码实现三:打通爬虫项目的下载解析存储流程

Spider爬虫