Python3 爬虫(三) -- 爬取豆瓣首页图片
序
前面已经完成了简单网页以及伪装浏览器的学习。下面,实现对豆瓣首页所有图片爬取程序,把图片保存到本地一个路径下。
首先,豆瓣首页部分图片展示
这只是截取的一部分。下面给出,整个爬虫程序。
爬虫程序
这个爬取图片的程序采用伪装浏览器的方式,只不过是加了处理图片的模块。
- '''''
- 批量下载豆瓣首页的图片
- 采用伪装浏览器的方式爬取豆瓣网站首页的图片,保存到指定路径文件夹下
- '''
- #导入所需的库
- import urllib.request,socket,re,sys,os
- #定义文件保存路径
- targetPath = "E:\\projects\\Spider\\03_dbImages"
- def saveFile(path):
- #检测当前路径的有效性
- if not os.path.isdir(targetPath):
- os.mkdir(targetPath)
- #设置每个图片的路径
- pos = path.rindex('/')
- t = os.path.join(targetPath,path[pos+1:])
- return t
- #用if __name__ == '__main__'来判断是否是在直接运行该.py文件
- # 网址
- url = "https://www.douban.com/"
- headers = {
- 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) ' 'Chrome/51.0.2704.63 Safari/537.36'
- }
- req = urllib.request.Request(url=url, headers=headers)
- res = urllib.request.urlopen(req)
- data = res.read()
- for link,t in set(re.findall(r'(https:[^s]*?(jpg|png|gif))', str(data))):
- print(link)
- try:
- urllib.request.urlretrieve(link,saveFile(link))
- except:
- print('失败')
爬取结果
(1)打印出来的信息
(2)爬取的图片列表
可以跟豆瓣首页进行对比。