学习Python系列第一天
  • 2017-08-10

Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。被称作写爬虫最好的语言之一!从今天开始让我们一起来学习吧。每天一个小例子,开心学 Python .

开发环境

这里我假设你已经安装好了 Python 开发环境,如果你不知道如何安装Python 开发环境。可以点击这里

入门第一课:Hello Python

1
2
3
4

#!/usr/bin/python

print "Hello, Python!";

运行结果

Hello Python

批量下载网站图片示例

1.1 获取整个页面数据

1
2
3
4
5
6
7
8
9
10
11
#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

代码解释

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。

1.2 筛选页面中想要的数据

Python 提供了非常强大的正则表达式
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”

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
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)

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。

1.3 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:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
#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,'%s.jpg' % x)
x+=1


html = getHtml("http://tieba.baidu.com/p/2460150866")

print getImg(html)

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。

感谢您的阅读,本文由 三步枫|三步枫的个人网站 版权所有。如若转载,请注明出处:三步枫|三步枫的个人网站(https://blog.adymilk.cn/2017/08/10/2017-08-10-StudyPythonFirstDay/
网页模板分离的高效方法
hexo 向百度主动推送链接

” 打赏了的人都会变美~ “