我抓取的地址是http://tieba.baidu.com/p/3125473879?pn=2，这个帖子共有82页左右，下面的代码主要抓取82页的所有图片，具体代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
"""抓取百度贴吧图片"""#导入模块import re
import urllib
from urllib.request import urlopen,urlretrieve
#获取抓取页面的源代码def getHtml(url):
page = urlopen(url)
html = str(page.read())
page.close()
return html
#通过源代码以及正则表达式，匹配我们的urldef getImg(html):
reg = r'<img class="BDE_Image" src="(.+?\.jpg)" '
imgre = re.compile(reg)
imglist = re.findall(imgre,html)
x = 0
for imgurl in imglist:
urlretrieve(imgurl,'C:\\Users\\Water\\PycharmProjects\\test\\image\\%s-%s.jpg' % (i,x))
x = x + 1
#调用函数i = 1
while i < 83:
html = getHtml("http://tieba.baidu.com/p/3125473879?pn=" + str(i))
getImg(html)
i+=1
print(i)
|
抓取结果如下，我这里只是简单些一下，以后再详细介绍。
本文转自 wzlinux 51CTO博客，原文链接：http://blog.51cto.com/wzlinux/1787514，如需转载请自行联系原作者