标签：cep   save   python   set   tps   网站   网址   图片   socket   

序

前面已经完成了简单网页以及伪装浏览器的学习。下面，实现对豆瓣首页所有图片爬取程序，把图片保存到本地一个路径下。

首先，豆瓣首页部分图片展示

这只是截取的一部分。下面给出，整个爬虫程序。

爬虫程序

这个爬取图片的程序采用伪装浏览器的方式，只不过是加了处理图片的模块。

‘‘‘
批量下载豆瓣首页的图片

采用伪装浏览器的方式爬取豆瓣网站首页的图片，保存到指定路径文件夹下
‘‘‘

#导入所需的库
import urllib.request,socket,re,sys,os

#定义文件保存路径
targetPath = "E:\\projects\\Spider\\03_dbImages"

def saveFile(path):
    #检测当前路径的有效性
    if not os.path.isdir(targetPath):
        os.mkdir(targetPath)

    #设置每个图片的路径
    pos = path.rindex(‘/‘)
    t = os.path.join(targetPath,path[pos+1:])
    return t

#用if __name__ == ‘__main__‘来判断是否是在直接运行该.py文件


# 网址
url = "https://www.douban.com/"
headers = {
              ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ‘                            ‘Chrome/51.0.2704.63 Safari/537.36‘
           }

req = urllib.request.Request(url=url, headers=headers)

res = urllib.request.urlopen(req)

data = res.read()

for link,t in set(re.findall(r‘(https:[^s]*?(jpg|png|gif))‘, str(data))):

    print(link)
    try:
        urllib.request.urlretrieve(link,saveFile(link))
    except:
        print(‘失败‘)

爬取结果

（1）打印出来的信息

（2）爬取的图片列表

可以跟豆瓣首页进行对比。

Python3 爬虫实例（三） -- 爬取豆瓣首页图片

标签：cep   save   python   set   tps   网站   网址   图片   socket   

原文地址：http://www.cnblogs.com/gswang/p/7472787.html