Python2 抓取百度贴吧图片
我这里抓取的百度贴吧的地址是http://tieba.baidu.com/p/2460150866?pn=1。以下是源码，使用的是python2。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
import re #导入正则模块
import urllib #导入url库模块
#抓取页面的源码def getHtml(url):
page = urllib.urlopen(url) #打开指定的URL
html = page.read() #读取URL的内容并保存
return html #函数返回读取的内容
#下载源码中指定的图片 def getImg(html):
reg = r'src="(.+?\.jpg)" pic_ext' imgre = re.compile(reg)
imglist = imgre.findall(html)
x = 0
for imgurl in imglist:
print(imgurl)
#下载图片到指定的目录，并且重新命名
urllib.urlretrieve(imgurl,r'C:\Users\Water\PycharmProjects\test\image\%s-%s.jpg' % (i,x))
x = x + 1
#循环抓取所有的页面 i = 1
while i < 74: #贴吧共有74页评论
html = getHtml("http://tieba.baidu.com/p/2460150866?pn=" + str(i))
getImg(html)
i+=1
print(i)
|
下面是抓取的结果
本文转自 wzlinux 51CTO博客，原文链接：http://blog.51cto.com/wzlinux/1788735，如需转载请自行联系原作者