python抓取网页图片示例(python爬虫)


Posted in Python onApril 27, 2014
#-*- encoding: utf-8 -*-
'''
Created on 2014-4-24
@author: Leon Wong
'''
import urllib2
import urllib
import re
import time
import os
import uuid
#获取二级页面url
def findUrl2(html):
    re1 = r'http://tuchong.com/\d+/\d+/|http://\w+(?<!photos).tuchong.com/\d+/'
    url2list = re.findall(re1,html)
    url2lstfltr = list(set(url2list))
    url2lstfltr.sort(key=url2list.index)
    #print url2lstfltr
    return url2lstfltr
#获取html文本
def getHtml(url):
    html = urllib2.urlopen(url).read().decode('utf-8')#解码为utf-8
    return html
#下载图片到本地
def download(html_page , pageNo):   
    #定义文件夹的名字
    x = time.localtime(time.time())
    foldername = str(x.__getattribute__("tm_year"))+"-"+str(x.__getattribute__("tm_mon"))+"-"+str(x.__getattribute__("tm_mday"))
    re2=r'http://photos.tuchong.com/.+/f/.+\.jpg'
    imglist=re.findall(re2,html_page)
    print imglist
    download_img=None
    for imgurl in imglist:
        picpath = 'D:\\TuChong\\%s\\%s'  % (foldername,str(pageNo))
        filename = str(uuid.uuid1())
        if not os.path.exists(picpath):
            os.makedirs(picpath)               
        target = picpath+"\\%s.jpg" % filename
        print "The photos location is:"+target
        download_img = urllib.urlretrieve(imgurl, target)#将图片下载到指定路径中
        time.sleep(1)
        print(imgurl)
    return download_img

# def callback(blocknum, blocksize, totalsize):
#     '''回调函数
#     @blocknum: 已经下载的数据块
#     @blocksize: 数据块的大小
#     @totalsize: 远程文件的大小
#     '''
#     print str(blocknum),str(blocksize),str(totalsize)
#     if blocknum * blocksize >= totalsize:
#         print '下载完成'
def quitit():
    print "Bye!"
    exit(0)
    
if __name__ == '__main__':
    print '''            *****************************************
            **    Welcome to Spider for TUCHONG    **
            **      Created on 2014-4-24           **
            **      @author: Leon Wong             **
            *****************************************'''
    pageNo = raw_input("Input the page number you want to scratch (1-100),please input 'quit' if you want to quit>")
    while not pageNo.isdigit() or int(pageNo) > 100 :
        if pageNo == 'quit':quitit()
        print "Param is invalid , please try again."
        pageNo = raw_input("Input the page number you want to scratch >")
    #针对图虫人像模块来爬取
    html = getHtml("http://tuchong.com/tags/%E4%BA%BA%E5%83%8F/?page="+str(pageNo))
    detllst = findUrl2(html)
    for detail in detllst:
        html2 = getHtml(detail)
        download(html2,pageNo)
    print "Finished."
Python 相关文章推荐
python自动化工具日志查询分析脚本代码实现
Nov 26 Python
Python实现队列的方法
May 26 Python
Python如何抓取天猫商品详细信息及交易记录
Feb 23 Python
python3+PyQt5 自定义窗口部件--使用窗口部件样式表的方法
Jun 26 Python
python SQLAlchemy的Mapping与Declarative详解
Jul 04 Python
pandas.DataFrame的pivot()和unstack()实现行转列
Jul 06 Python
python中resample函数实现重采样和降采样代码
Feb 25 Python
keras处理欠拟合和过拟合的实例讲解
May 25 Python
Python 在 VSCode 中使用 IPython Kernel 的方法详解
Sep 05 Python
Django crontab定时任务模块操作方法解析
Sep 10 Python
python中子类与父类的关系基础知识点
Feb 02 Python
python自动化八大定位元素讲解
Jul 09 Python
python实现sublime3的less编译插件示例
Apr 27 #Python
python中的实例方法、静态方法、类方法、类变量和实例变量浅析
Apr 26 #Python
Python设计模式之单例模式实例
Apr 26 #Python
Python设计模式之观察者模式实例
Apr 26 #Python
Python设计模式之代理模式实例
Apr 26 #Python
python中的列表推导浅析
Apr 26 #Python
Python中的Numpy入门教程
Apr 26 #Python
You might like
《一拳超人》埼玉一拳下去,他们存在了800年毫无意义!
2020/03/02 日漫
谈谈PHP语法(5)
2006/10/09 PHP
php中根据变量的类型 选择echo或dump
2012/07/05 PHP
不间断滚动JS打包类,基本可以实现所有的滚动效果,太强了
2007/12/08 Javascript
jQuery 学习第七课 扩展jQuery的功能 插件开发
2010/05/17 Javascript
jQuery lazyload 的重复加载错误以及修复方法
2010/11/19 Javascript
jQuery Ajax 实例全解析
2011/04/20 Javascript
JavaScript及jquey实现多个数组的合并操作
2014/09/06 Javascript
jQuery中hasClass()方法用法实例
2015/01/06 Javascript
JavaScript实现的微信二维码图片生成器的示例
2016/10/26 Javascript
基于JavaScript实现Tab选项卡切换效果
2016/11/24 Javascript
vue + socket.io实现一个简易聊天室示例代码
2017/03/06 Javascript
html5+canvas实现支持触屏的签名插件教程
2017/05/08 Javascript
详解angularjs 关于ui-router分层使用
2017/06/12 Javascript
JS实现table表格固定表头且表头随横向滚动而滚动
2017/10/26 Javascript
vue使用axios时关于this的指向问题详解
2017/12/22 Javascript
详解JS实现简单的时分秒倒计时代码
2019/04/25 Javascript
使用JS实现动态时钟
2020/03/12 Javascript
Python设计足球联赛赛程表程序的思路与简单实现示例
2016/06/28 Python
简单谈谈python基本数据类型
2018/09/26 Python
wxPython+Matplotlib绘制折线图表
2019/11/19 Python
深入CSS3 动画效果的总结详解
2013/05/09 HTML / CSS
一款基于css3和jquery实现的动画显示弹出层按钮教程
2015/01/04 HTML / CSS
GNC健安喜美国官网:美国第一营养品牌
2016/07/22 全球购物
如何启动时不需输入用户名与密码
2014/05/09 面试题
abstract 可以和 virtual 一起使用吗?可以和 override 一起使用吗?
2012/10/15 面试题
计算机应用毕业生自荐信
2013/10/23 职场文书
小学一年级评语大全
2014/04/22 职场文书
公司离职证明样本
2014/09/13 职场文书
奉献家乡演讲稿
2014/09/16 职场文书
标准单位租车协议书
2014/09/23 职场文书
2015年员工试用期工作总结
2014/12/12 职场文书
幼儿园父亲节活动总结
2015/02/12 职场文书
外贸业务员岗位职责
2015/02/13 职场文书
个人求职意向书
2015/05/11 职场文书
教务处教学工作总结
2015/08/10 职场文书