本文通过python 来实现这样一个简单的爬虫功能，把我们想要的图片爬取到本地。
下面就看看如何使用python来实现这样一个功能。
# -*- coding: utf-8 -*-
import urllib
import re
import time
import os
#显示下载进度
def schedule(a,b,c):
‘‘‘‘‘
a:已经下载的数据块
b:数据块的大小
c:远程文件的大小
‘‘‘
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)
#定义文件夹的名字
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) #下载到的本地目录
if not os.path.exists(picpath): #路径不存在时创建一个
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."
这里的核心是用到了urllib.urlretrieve()方法，直接将远程数据下载到本地。
下面我们再来看看 urllib 模块提供的 urlretrieve() 函数。urlretrieve() 方法直接将远程数据下载到本地。
1 |
>>> help(urllib.urlretrieve)
|
2 |
Help on function urlretrieve
in module urllib:
|
3 |
4 |
urlretrieve(url, filename=None, reporthook=None,
data=None)
|
- 参数 finename 指定了保存本地路径（如果参数未指定，urllib会生成一个临时文件保存数据。）
- 参数 reporthook 是一个回调函数，当连接上服务器、以及相应的数据块传输完毕时会触发该回调，我们可以利用这个回调函数来显示当前的下载进度。
- 参数 data 指 post 到服务器的数据，该方法返回一个包含两个元素的(filename, headers)元组，filename 表示保存到本地的路径，header 表示服务器的响应头。
在python shell中看到的信息如下：
程序运行完成，将在目录下看到下载到本地的文件。