怎樣使用python爬蟲進行網頁圖片抓取

本文通過python 來實現這樣一個簡單的爬蟲功能，把我們想要的圖片爬取到本地。
下面就看看如何使用python來實現這樣一個功能。

# -*- coding: utf-8 -*-
import urllib
import re
import time
import os
 
#顯示下載進度
def schedule(a,b,c):
    '''''
    a:已經下載的數據塊
    b:數據塊的大小
    c:遠程文件的大小
   '''
    per = 100.0 * a * b / c
    if per > 100 :
       per = 100
   print '%.2f%%' % per
 
def getHtml(url):
    page = urllib.urlopen(url)
    html = page.read()
    return html
 
def downloadImg(html):
    reg = r'src="(.+?\.jpg)" pic_ext'
    imgre = re.compile(reg)
   imglist = re.findall(imgre, html)
    #定義文件夾的名字
    t = time.localtime(time.time())
    foldername = str(t.__getattribute__("tm_year"))+"-"+str(t.__getattribute__("tm_mon"))+"-"+str(t.__getattribute__("tm_mday"))
    picpath = 'D:\\ImageDownload\\%s' % (foldername) #下載到的本地目錄
    
    if not os.path.exists(picpath):   #路徑不存在時創建一個
       os.makedirs(picpath)   
    x = 0
    for imgurl in imglist:
        target = picpath+'\\%s.jpg' % x
      print 'Downloading image to location: ' + target + '\nurl=' + imgurl
       image = urllib.urlretrieve(imgurl, target, schedule)
      x += 1
   return image;
 
  
   
if __name__ == '__main__':
   print '''            *************************************
            **      Welcome to use Spider      **
           **     Created on  2014-05-13      **
            **       @author: cruise           **
         *************************************'''
   
   html = getHtml("http://tieba.baidu.com/p/2460150866")
 
    downloadImg(html)
    print "Download has finished."

　　

這里的核心是用到了urllib.urlretrieve()方法，直接將遠程數據下載到本地。
下面我們再來看看 urllib 模塊提供的 urlretrieve() 函數。urlretrieve() 方法直接將遠程數據下載到本地。

1>>> help(urllib.urlretrieve)
2    Help on function urlretrieve in module urllib:
3     
4    urlretrieve(url, filename=None, reporthook=None, data=None)

參數 reporthook 是一個回調函數，當連接上服務器、以及相應的數據塊傳輸完畢時會觸發該回調，我們可以利用這個回調函數來顯示當前的下載進度。
參數 data 指 post 到服務器的數據，該方法返回一個包含兩個元素的(filename, headers)元組，filename 表示保存到本地的路徑，header 表示服務器的響應頭。
　　通過一個for循環對獲取的圖片連接進行遍歷，為了使圖片的文件名看上去更規范，對其進行重命名，命名規則通過x變量加1。保存的位置默認為程序的存放目錄。
在python shell中看到的信息如下：

程序運行完成，將在目錄下看到下載到本地的文件。