【爬虫入门】抓取白敬亭贴吧某个帖子下的图片1.0

最新推荐文章于 2022-09-24 11:32:48 发布

F_aF_a

最新推荐文章于 2022-09-24 11:32:48 发布

阅读量361

点赞数

CC 4.0 BY-SA版权

分类专栏： Python # 爬虫

本文链接：https://blog.youkuaiyun.com/qq_37252519/article/details/85997016

Python 同时被 2 个专栏收录

41 篇文章

订阅专栏

爬虫

14 篇文章

订阅专栏

本文介绍了一个使用Python编写的脚本，该脚本能从百度贴吧指定帖子中抓取包含的图片，解析HTML源代码，利用正则表达式匹配图片链接，并下载图片到本地目录。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import urllib.request
import re
import os
import urllib

# 根据给定的网址来获取网页详细信息，得到的html就是网页的源代码
def getHtml(url):
    page = urllib.request.urlopen(url)
    html = page.read()
    return html.decode('UTF-8')

def getImg(html):
    p3 = re.compile(r'<img class="BDE_Image" src="(.*?)" size=".*?" changedsize="true" width="',re.S)
    imglist = re.findall(p3,html)

    x = 1
    path = 'D:\\test'
    # 将图片保存到D:\\test文件夹中，如果没有test文件夹则创建
    if not os.path.isdir(path):
        os.makedirs(path)
    paths = path + '\\'  # 保存在test路径下
    
    for imgurl in imglist:
        urllib.request.urlretrieve(imgurl, '{}{}.jpg'.format(paths, "白敬亭"+str(x)))  # 打开imglist中保存的图片网址，并下载图片保存在本地，format格式化字符串
        x = x + 1
    return imglist

html = getHtml("https://tieba.baidu.com/p/5997644221")  # 获取该网址网页详细信息，得到的html就是网页的源代码
print(getImg(html))  # 从网页源代码中分析并下载保存图片