Python爬蟲中獲取圖片的方法

這篇文章給大家分享的是有關Python爬蟲中獲取圖片的方法的內容。小編覺得挺實用的，因此分享給大家做個參考。一起跟隨小編過來看看吧。

直接上代碼：

spider.py

__author__ = 'CQC'
# -*- coding:utf-8 -*-
 
import urllib
import urllib2
import re
import tool
import os
 
#抓取MM
class Spider:
 
    #頁面初始化
    def __init__(self):
        self.siteURL = 'http://mm.taobao.com/json/request_top_list.htm'
        self.tool = tool.Tool()
 
    #獲取索引頁面的內容
    def getPage(self,pageIndex):
        url = self.siteURL + "?page=" + str(pageIndex)
        request = urllib2.Request(url)
        response = urllib2.urlopen(request)
        return response.read().decode('gbk')
 
    #獲取索引界面所有MM的信息，list格式
    def getContents(self,pageIndex):
        page = self.getPage(pageIndex)
        pattern = re.compile('<div.*?pic-word.*?<a href="(.*?)".*?<img src="(.*?)".*?<a class="lady-name.*?>(.*?)</a>.*?<strong>(.*?)</strong>.*?<span>(.*?)</span>',re.S)
        items = re.findall(pattern,page)
        contents = []
        for item in items:
            contents.append([item[0],item[1],item[2],item[3],item[4]])
        return contents
 
    #獲取MM個人詳情頁面
    def getDetailPage(self,infoURL):
        response = urllib2.urlopen(infoURL)
        return response.read().decode('gbk')
 
    #獲取個人文字簡介
    def getBrief(self,page):
        pattern = re.compile('<div.*?>(.*?)<!--',re.S)
        result = re.search(pattern,page)
        return self.tool.replace(result.group(1))
 
    #獲取頁面所有圖片
    def getAllImg(self,page):
        pattern = re.compile('<div.*?>(.*?)<!--',re.S)
        #個人信息頁面所有代碼
        content = re.search(pattern,page)
        #從代碼中提取圖片
        patternImg = re.compile('<img.*?src="(.*?)"',re.S)
        images = re.findall(patternImg,content.group(1))
        return images
 
 
    #保存多張寫真圖片
    def saveImgs(self,images,name):
        number = 1
        print u"發現",name,u"共有",len(images),u"張照片"
        for imageURL in images:
            splitPath = imageURL.split('.')
            fTail = splitPath.pop()
            if len(fTail) > 3:
                fTail = "jpg"
            fileName = name + "/" + str(number) + "." + fTail
            self.saveImg(imageURL,fileName)
            number += 1
 
    # 保存頭像
    def saveIcon(self,iconURL,name):
        splitPath = iconURL.split('.')
        fTail = splitPath.pop()
        fileName = name + "/icon." + fTail
        self.saveImg(iconURL,fileName)
 
    #保存個人簡介
    def saveBrief(self,content,name):
        fileName = name + "/" + name + ".txt"
        f = open(fileName,"w+")
        print u"正在偷偷保存她的個人信息為",fileName
        f.write(content.encode('utf-8'))
 
 
    #傳入圖片地址，文件名，保存單張圖片
    def saveImg(self,imageURL,fileName):
         u = urllib.urlopen(imageURL)
         data = u.read()
         f = open(fileName, 'wb')
         f.write(data)
         print u"正在悄悄保存她的一張圖片為",fileName
         f.close()
 
    #創建新目錄
    def mkdir(self,path):
        path = path.strip()
        # 判斷路徑是否存在
        # 存在     True
        # 不存在   False
        isExists=os.path.exists(path)
        # 判斷結果
        if not isExists:
            # 如果不存在則創建目錄
            print u"偷偷新建了名字叫做",path,u'的文件夾'
            # 創建目錄操作函數
            os.makedirs(path)
            return True
        else:
            # 如果目錄存在則不創建，并提示目錄已存在
            print u"名為",path,'的文件夾已經創建成功'
            return False
 
    #將一頁淘寶MM的信息保存起來
    def savePageInfo(self,pageIndex):
        #獲取第一頁淘寶MM列表
        contents = self.getContents(pageIndex)
        for item in contents:
            #item[0]個人詳情URL,item[1]頭像URL,item[2]姓名,item[3]年齡,item[4]居住地
            print u"發現一位模特,名字叫",item[2],u"芳齡",item[3],u",她在",item[4]
            print u"正在偷偷地保存",item[2],"的信息"
            print u"又意外地發現她的個人地址是",item[0]
            #個人詳情頁面的URL
            detailURL = item[0]
            #得到個人詳情頁面代碼
            detailPage = self.getDetailPage(detailURL)
            #獲取個人簡介
            brief = self.getBrief(detailPage)
            #獲取所有圖片列表
            images = self.getAllImg(detailPage)
            self.mkdir(item[2])
            #保存個人簡介
            self.saveBrief(brief,item[2])
            #保存頭像
            self.saveIcon(item[1],item[2])
            #保存圖片
            self.saveImgs(images,item[2])
 
    #傳入起止頁碼，獲取MM圖片
    def savePagesInfo(self,start,end):
        for i in range(start,end+1):
            print u"正在偷偷尋找第",i,u"個地方，看看MM們在不在"
            self.savePageInfo(i)
 
 
#傳入起止頁碼即可，在此傳入了2,10,表示抓取第2到10頁的MM
spider = Spider()
spider.savePagesInfo(2,10)

tool.py

__author__ = 'CQC'
#-*- coding:utf-8 -*-
import re
 
#處理頁面標簽類
class Tool:
    #去除img標簽,1-7位空格, 
    removeImg = re.compile('<img.*?>| {1,7}| ')
    #刪除超鏈接標簽
    removeAddr = re.compile('<a.*?>|</a>')
    #把換行的標簽換為\n
    replaceLine = re.compile('<tr>|<div>|</div>|</p>')
    #將表格制表<td>替換為\t
    replaceTD= re.compile('<td>')
    #將換行符或雙換行符替換為\n
    replaceBR = re.compile('<br><br>|<br>')
    #將其余標簽剔除
    removeExtraTag = re.compile('<.*?>')
    #將多行空行刪除
    removeNoneLine = re.compile('\n+')
    def replace(self,x):
        x = re.sub(self.removeImg,"",x)
        x = re.sub(self.removeAddr,"",x)
        x = re.sub(self.replaceLine,"\n",x)
        x = re.sub(self.replaceTD,"\t",x)
        x = re.sub(self.replaceBR,"\n",x)
        x = re.sub(self.removeExtraTag,"",x)
        x = re.sub(self.removeNoneLine,"\n",x)
        #strip()將前后多余內容刪除
        return x.strip()

以上兩個文件就是所有的代碼內容，運行一下試試看，那叫一個酸爽啊

看看文件夾里面有什么變化

感謝各位的閱讀！關于Python爬蟲中獲取圖片的方法就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！