用requests 模块做了个简单的爬虫小程序，将博客的一篇文章以及图片保存到本地，文章格式存为‘.html‘。当文章保存到本地后，图片的连接可能是目标站点的绝对或者相对路径，所以要是想在本地也显示图片，需要将保存下来图片的本地路径替换到本地的html文件里。
保存网页用的时requests模块，保存图片用的时BeautifulSoup, 这两个都是第三方模块，需要安装，使用时需要手动导入。
**安装方式：
pip install requsts
在python3 可能用 pip install beautifulsoup 会报错，可以直接pip install bs4， 这样时可以成功安装的。
因为其实beautifulsoup 在bs4安装包中，使用的时候采用：from bs4 import beautifulsoup
具体的代码如下：
1 from bs4 import BeautifulSoup 2 import requests,os 3 targetDir = os.path.join(os.path.dirname(os.path.abspath(__file__)),‘imgs1‘)#图片保存的路径，eg,向前文件夹为‘D:\Coding‘, 即图片保存在‘D:\Coding\imgs1\‘ 4 if not os.path.isdir(targetDir):#不存在创建路径 5 os.mkdir(targetDir) 6 url = ‘http://www.cnblogs.com/nancyzhu/p/8146408.html‘ 7 domain = ‘http://www.cnblogs.com‘ 8 #保存页面到本地 9 def save_html(): 10 r_page = requests.get(url) 11 f = open(‘page.html‘,‘wb‘) 12 f.write(r_page.content)#save to page.html 13 f.close() 14 return r_page 15 #修改文件,将图片路径改为本地的路径 16 def update_file(old,new): 17 with open(‘page.html‘, encoding=‘utf-8‘) as f, open(‘page_bak.html‘, ‘w‘, 18 encoding=‘utf-8‘) as fw: # 打开两个文件，原始文件用来读，另一个文件将修改的内容写入 19 for line in f: # 遍历每行，取出来的是字符串，因此可以用replace 方法替换 20 new_line = line.replace(old, new) # 逐行替换 21 fw.write(new_line) # 写入新文件 22 os.remove(‘page.html‘) # 删除原始文件 23 os.rename(‘page_bak.html‘, ‘page.html‘) # 修改新文件名， old -> new 24 #保存图片到本地 25 def save_file_to_local(): 26 obj = BeautifulSoup(save_html().content, ‘lxml‘) # 后面是指定使用lxml解析，lxml解析速度比较快，容错高。 27 imgs = obj.find_all(‘img‘) 28 #将页面上图片的链接加入list 29 urls = [] 30 for img in imgs: 31 if ‘data-src‘ in str(img): 32 urls.append(img[‘data-src‘]) 33 else: 34 urls.append(img[‘src‘]) 35 #遍历所有图片链接，将图片保存到本地指定文件夹，图片名字用0，1，2... 36 i = 0 37 for url in urls:#看下文章的图片有哪些格式，一一处理 38 if url.startswith(‘//‘): 39 new_url = ‘http:‘ + url 40 r = requests.get(new_url) 41 elif url.startswith(‘/‘) and url.endswith(‘gif‘): 42 new_url = domain + url 43 r = requests.get(new_url) 44 elif url.endswith(‘.png‘) or url.endswith(‘jpg‘) or url.endswith(‘gif‘): 45 r = requests.get(url) 46 t = os.path.join(targetDir, str(i) + ‘.jpg‘)#指定目录 47 fw = open(t,‘wb‘) # 指定绝对路径 48 fw.write(r.content)#保存图片到本地指定目录 49 i += 1 50 update_file(url,t)#将老的链接(有可能是相对链接)修改为本地的链接，这样本地打开整个html就能访问图片 51 fw.close() 52 53 if __name__ == ‘__main__‘: 54 save_html() 55 save_file_to_local()
