Python实现简单网页图片抓取完整代码实例

旧城等待， 2023-02-12 05:53 28阅读 0赞

@本文来源于公众号：csdn2299，喜欢可以关注公众号 程序员学府  
这篇文章主要介绍了Python实现简单网页图片抓取完整代码实例，具有一定借鉴价值，需要的朋友可以参考下。  
利用python抓取网络图片的步骤是：  
1、根据给定的网址获取网页源代码  
2、利用正则表达式把源代码中的图片地址过滤出来  
3、根据过滤出来的图片地址下载网络图片

以下是比较简单的一个抓取某一个百度贴吧网页的图片的实现：

# -*- coding: utf-8 -*- 
    # feimengjuan 
    import re 
    import urllib 
    import urllib2 
    #抓取网页图片  
    #根据给定的网址来获取网页详细信息，得到的html就是网页的源代码 
    def getHtml(url): 
      page = urllib.urlopen(url) 
      html = page.read() 
      return html 
     def getImg(html): 
      #利用正则表达式把源代码中的图片地址过滤出来 
      reg = r'src="(.+?\.jpg)" pic_ext'
      imgre = re.compile(reg) 
      imglist = imgre.findall(html) #表示在整个网页中过滤出所有图片的地址，放在imglist中 
      x = 0
      for imgurl in imglist: 
        urllib.urlretrieve(imgurl,'%s.jpg' %x) #打开imglist中保存的图片网址，并下载图片保存在本地 
        x = x + 1
     html = getHtml("http://tieba.baidu.com/p/2460150866")#获取该网址网页详细信息，得到的html就是网页的源代码 
    getImg(html)#从网页源代码中分析并下载保存图片

进一步对代码进行了整理，在本地创建了一个“图片”文件夹来保存图片

# -*- coding: utf-8 -*- 
    # feimengjuan 
    import re 
    import urllib 
    import urllib2 
    import os 
    #抓取网页图片  
    #根据给定的网址来获取网页详细信息，得到的html就是网页的源代码 
    def getHtml(url): 
      page = urllib.urlopen(url) 
      html = page.read() 
      return html 
      
    #创建保存图片的文件夹 
    def mkdir(path): 
      path = path.strip() 
      # 判断路径是否存在 
      # 存在  True 
      # 不存在 Flase 
      isExists = os.path.exists(path) 
      if not isExists: 
        print u'新建了名字叫做',path,u'的文件夹'
        # 创建目录操作函数 
        os.makedirs(path) 
        return True
      else: 
        # 如果目录存在则不创建，并提示目录已经存在 
        print u'名为',path,u'的文件夹已经创建成功'
        return False
    # 输入文件名，保存多张图片 
    def saveImages(imglist,name): 
      number = 1
      for imageURL in imglist: 
        splitPath = imageURL.split('.') 
        fTail = splitPath.pop() 
        if len(fTail) > 3: 
          fTail = 'jpg'
        fileName = name + "/" + str(number) + "." + fTail 
        # 对于每张图片地址，进行保存 
        try: 
          u = urllib2.urlopen(imageURL) 
          data = u.read() 
          f = open(fileName,'wb+') 
          f.write(data) 
          print u'正在保存的一张图片为',fileName 
          f.close() 
        except urllib2.URLError as e: 
          print (e.reason) 
        number += 1 
    #获取网页中所有图片的地址 
    def getAllImg(html): 
      #利用正则表达式把源代码中的图片地址过滤出来 
      reg = r'src="(.+?\.jpg)" pic_ext'
      imgre = re.compile(reg) 
      imglist = imgre.findall(html) #表示在整个网页中过滤出所有图片的地址，放在imglist中 
      return imglist   
    #创建本地保存文件夹，并下载保存图片 
    if __name__ == '__main__': 
      html = getHtml("http://tieba.baidu.com/p/2460150866")#获取该网址网页详细信息，得到的html就是网页的源代码 
      path = u'图片'
      mkdir(path) #创建本地文件夹 
      imglist = getAllImg(html) #获取图片的地址列表 
      saveImages(imglist,path) # 保存图片

结果在“图片”文件夹下保存了几十张图片，如截图：![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5neHVuMDM_size_16_color_FFFFFF_t_70]  
非常感谢你的阅读  
大学的时候选择了自学python，工作了发现吃了计算机基础不好的亏，学历不行这是

没办法的事，只能后天弥补，于是在编码之外开启了自己的逆袭之路，不断的学习python核心知识，深

入的研习计算机基础知识，整理好了，我放在我们的微信公众号《程序员学府》，如果你也不甘平庸，

那就与我一起在编码之外，不断成长吧！

其实这里不仅有技术，更有那些技术之外的东西，比如，如何

做一个精致的程序员，而不是“屌丝”，程序员本身就是高贵的一种存在啊，难道不是吗？[点击加入][Link 1]  
想做你自己想成为高尚人，加油！

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5neHVuMDM_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/2020052421380726.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NoZW5neHVuMDM=,size_16,color_FFFFFF,t_70
[Link 1]: https://jq.qq.com/?_wv=1027&k=5cb1kUZ