码迷,mamicode.com
首页 > 编程语言 > 详细

python爬虫 之 抓取高清图片

时间:2017-02-26 19:05:31      阅读:160      评论:0      收藏:0      [点我收藏+]

标签:trie   odi   main   urlopen   url   ret   下载   div   .com   

这个网站http://www.hbc333.com/是一个壁纸图片网站,提供各种分辨率的图片的下载,因此想写一个爬虫脚本批量下载这些图片。

经观察,2560*1600分辨率的图片的网址格式为:http://www.hbc333.com/size/2560x1600/n/ (n是页数),

每张预览图片的地址是:/data/out/253/46659416-watch-dogs-wallpaper.jpg,

而原图的链接则为:http://www.hbc333.com/data/out/253/46659416-watch-dogs-wallpaper.jpg

#coding=utf-8
from urllib import request
import urllib
import re

url1 = "http://www.hbc333.com/size/2560x1600/"          #壁纸网站开始页面

def getMainPage(url):
    page = request.urlopen(url)
    html = page.read()
    return html

#每页的网址为:http://www.hbc333.com/size/2560x1600/n/    n为页数

count = 2
oriUrl = http://www.hbc333.com
while count < 3:
    newUrl = url1 + str(count) + /
    count  = count + 1
    print(newUrl)
    html = getMainPage(newUrl)
    print(html)
    dir = []
    html = html.decode(utf-8)  # python3
    dir = re.findall(r/data/out/[0-9]+/[0-9]+-[a-z]+-[a-z]+.jpg, html)
    #dir = re.findall(r‘/data/out/[0-9a-zA-Z]+‘, html)
    x = 1
    for u in dir:
        #urllib.request.urlretrieve(oriUrl+u,‘%s.jpg‘ %x)
        print(oriUrl+u)
        x = x+1

 

python爬虫 之 抓取高清图片

标签:trie   odi   main   urlopen   url   ret   下载   div   .com   

原文地址:http://www.cnblogs.com/zjlyyq/p/6445088.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!