标签:正则 gre code 网页 www print mpi jpg .text
参考爬取思路代码如下:
1 import requests 2 import re 3 4 # 获取网页源码 5 url = ‘http://www.ivsky.com/tupian/xiaohuangren_t21343/‘ 6 data = requests.get(url).text 7 8 #正则表达式三部曲 9 #<img src="http://img.ivsky.com/img/tupian/t/201411/01/xiaohuangren-009.jpg" width="135" height="135" alt="卑鄙的我小黄人图片"> 10 regex = r‘<img src="(.*?.jpg)"‘#匹配网址 11 pa = re.compile(regex)#转为pattern对象 12 ma = re.findall(pa, data)#findall 方法找到所有的符合pa的对象,添加到一个列表中并返回 13 #print(ma)#图片网址列表 14 print(‘本次爬取共获取图片‘+str(len(ma))+‘张‘)#列表长度,即找到图片个数 15 16 i = 0#这里的i, 只是为了给图片命名。。。 17 for imgurl in ma: 18 i += 1 19 print(‘正在爬取‘+imgurl) 20 imgdata = requests.get(imgurl).content 21 with open(str(i)+‘.jpg‘, ‘wb‘) as f: 22 f.write(imgdata) 23 24 print(‘爬取完毕!‘)
标签:正则 gre code 网页 www print mpi jpg .text
原文地址:https://www.cnblogs.com/jackzz/p/9203259.html