Python使用爬虫爬取静态网页图片的方法详解
本文实例讲述了Python使用爬虫爬取静态网页图片的方法。分享给大家供大家参考，具体如下：
爬虫理论基础
其实爬虫没有大家想象的那么复杂，有时候也就是几行代码的事儿，千万不要把自己吓倒了。这篇就清晰地讲解一下利用Python爬虫的理论基础。
首先说明爬虫分为三个步骤，也就需要用到三个工具。
① 利用网页下载器将网页的源码等资源下载。
② 利用URL管理器管理下载下来的URL
③ 利用网页解析器解析需要的URL，进而进行匹配。
网页下载器
网页下载器常用的有两个。一个是Python自带的urllib2模块；另一个是第三方控件requests。选用哪个其实差异不大，下一篇将会进行实践操作举例。
URL管理器
url管理器有三大类。
① 内存：以set形式存储在内存中
② 存储在关系型数据库mysql等
③ 缓存数据库redis中
网页解析器
网页解析器一共有四类：
1.正则表达式，不过对于太复杂的匹配就会有些难度，属于模糊匹配。
2.html.parser，这是python自带的解析工具。
3.Beautiful Soup，一种第三方控件，顾名思义，美味的汤，用起来确实很方便，很强大。
4.lxml（apt.xml），第三方控件。
以上的这些全部属于结构化解析（DOM树）
什么式结构化解析（DOM）？
Document Object Model(DOM)是一种树的形式。
Beautiful Soup的语法
html网页—>创建BeautifulSoup对象—>搜索节点 find_all（）/find（）—>访问节点，名称，属性，文字等……
实现代码
说过了理论基础，那么现在就来实践一个，要爬取一个静态网页的所有图片。
这里使用的网页下载器是python自带的urllib2，然后利用正则表达式匹配，输出结果。
以下为源码：
//引入小需要用到的模块
import urllib2
import re
def main():
//利用urllib2的urlopen方法，下载当前url的网页内容
req = urllib2.urlopen('http://www.imooc.com/course/list')
//将网页内容存储到buf变量中
buf = req.read()
//将buf中的所有内容与需要匹配的url进行比对。这里的正则表达式是根据静态网页的源码得出的，查看静态网页源码开启开发者模式，按F12即可。然后确定图片块，查看对应源码内容，找出规律，编写正则表达式。
listurl = re.findall(r'src=.+\.jpg',buf)
i = 0
//将结果循环写入文件
for url in listurl:
f = open(str(i)+'.jpg','w')
req = urllib2.urlopen(url[5:])
buf1 = req.read()
f.write(buf1)
i+=1
if __name__ == '__main__':
main()
至此一个静态网页的图片爬虫就完成了，下面来看下效果。
这是静态网页：
以下是爬取的结果：
更多关于Python相关内容可查看本站专题：《Python Socket编程技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
相关文章
python批量修改文件后缀示例代码分享，大家参考使用吧2013-12-12
很多计算过程都需要每次从一个字符串中取一个字符,下面这篇文章主要给大家介绍了关于python遍历字符串中每一个字符的4种方式,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2023-05-05
这篇文章主要介绍了python-pymysql获取字段名称-获取内容方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-05-05
Python 读取数据自动写入 MySQL 数据库，这个需求在工作中是非常普遍的，主要涉及到 python 操作数据库，读写更新等。本文总结了Python写入MySQL数据库的三种方式，需要的可以参考一下2022-06-06
读万卷书不如行万里路，只学书上的理论是远远不够的，只有在实战中才能获得能力的提升，本篇文章手把手带你用Python开发一套校园管理系统，包含各种人员，如教师、学生等。学校的系统通常还包括一些课程的信息,大家可以在过程中查缺补漏，提升水平2021-10-10
文件操作在Python编程中是不可或缺的一部分，在本篇博客中，我们将全面、深入地探讨Python中的文件操作，感兴趣的小伙伴可以跟随小编一起学习学习2023-06-06
本文主要介绍了Python调用各大机器翻译API的实现示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-07-07
这篇文章主要介绍了Jupyter Notebook 远程访问配置详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-01-01
这篇文章主要介绍了Python中的PyInputPlus模块详解,PyInputPlus包含与input()类似的、用户多种数据（数字日期、E-mail地址等）的函数，PyInputPlus还包含其他有用的功能，本文给大家介绍的非常详细，需要的朋友可以参考下2022-05-05
这篇文章主要介绍了Linux下用Python脚本监控目录变化代码分享,本文直接给出实现代码,需要的朋友可以参考下2015-05-05
最新评论