python爬蟲入門教程之糗百圖片爬蟲代碼分享_python

學習python少不了寫爬蟲，不僅能以點帶面地學習、練習使用python，爬蟲本身也是有用且有趣的，大量重複性的下載、統計工作完全可以寫一個爬蟲程式完成。

用python寫爬蟲需要python的基礎知識、涉及網路的幾個模組、Regex、檔案操作等知識。昨天在網上學習了一下，寫了一個爬蟲自動下載「糗事百科」裡面的圖片。原始碼如下：

複製代碼 代碼如下:

# -*- coding: utf-8 -*-
# 上面那句讓代碼裡支援中文

#--------------------------------------- 
#   程式：糗百圖片爬蟲 
#   版本：0.1 
#   作者：趙偉 
#   日期：2013-07-25 
#   語言：Python 2.7 
#   說明：能設定下載的頁數。沒有做更多抽象和互動方面的最佳化。 
#---------------------------------------

import urllib2
import urllib
import re

#Regex，用來抓取圖片的地址
pat = re.compile('<div class="thumb">\\n<img src=\"(ht.*?)\".*?>')

#用來合成網頁的URL
nexturl1 = "http://m.qiushibaike.com/imgrank/page/"
nexturl2 = "?s=4582487&slow"

#頁數計數
count = 1

#設定抓取的頁數
while count < 3:

    print "Page " + str(count) + "\n"
    myurl = nexturl1 + str(count) + nexturl2
    myres = urllib2.urlopen(myurl)#抓取網頁
    mypage = myres.read()#讀取網頁內容
    ucpage = mypage.decode("utf-8") #轉碼

    mat = pat.findall(ucpage)#用Regex抓取圖片地址
       
    count += 1;
   
    if len(mat):
        for item in mat:
            print "url: " + item + "\n"
            fnp = re.compile('/(\w+\.\w+)$')#下面三行分離出圖片檔案的名稱
            fnr = fnp.findall(item)
            fname = fnr[0]
            urllib.urlretrieve(item, fname)#下載圖片
      
    else:
        print "no data"

使用方法：建立一個practice檔案夾，將原始碼儲存為qb.py檔案，並放在practice檔案夾中，在命令列裡執行python qb.py，即開始下載圖片。可以修改原始碼裡面的while語句設定下載的頁數。