设为首页 收藏本站
查看: 579|回复: 0

[经验分享] Python抓取图片

[复制链接]

尚未签到

发表于 2017-4-24 10:57:10 | 显示全部楼层 |阅读模式
# -*- coding: cp936 -*-
import  urllib
import urllib2
import random
import os,sys
from sgmllib import SGMLParser
class URLLister(SGMLParser):
'''获取html中的图片地址\url地址,装入list中'''
def reset(self):
SGMLParser.reset(self)
self.img = []
self.urls = []
def start_img(self, attrs):
img = [v for k, v in attrs if k=='src']
if img:
self.img.extend(img)
def start_a(self, attrs):
href = [v for k, v in attrs if k=='href']
if href:
self.urls.extend(href)

def get_docum(url):
#url=url+'//'
sock=urllib.urlopen(url)
file=sock.read()
sock.close()
return file
def is_img(url):
global imglenth
request=urllib2.Request(url)
opener=urllib2.build_opener()
try:
con=opener.open(request)
Type=con.headers.dict['content-type'][:5] #判断链接返回的 content-type是不是图片。
Length =int(con.headers.dict['content-length'])#判断图片大小
if Length>imglenth:
return Type
else:
return 0
except:
print sys.exc_info()[0],sys.exc_info()[1]  ##一般来说这样就足够了
print '该图片无法在服务器找到或者图片地址无法识别!'
print url
def get_file_name(ospath,imgname,num):
#name = 'P'+str(random.randint(10000000,99999999))
#filepath = "%s%s.%s" % (ospath,name,(imgname.split('.'))[-1])
#保留原文件名
idx=imgname.rfind("/")
filename=imgname
if idx > -1:
filename=imgname[idx+1:]
filepath=ospath+'%d_'%num+filename
print filepath
return filepath               
def get_img(rq):
parser = URLLister();    doc=get_docum(rq);    parser.feed(doc);    img = parser.img
parser.close()
for i in range(0,len(img)):
if img[0:4]!='http':#处理绝对路径
img=rq+img
return img
def get_url(rq):
parser = URLLister();    doc=get_docum(rq);    parser.feed(doc);    urls = parser.urls
parser.close()
for i in range(0,len(urls)):
if urls[0:4] != 'http': #处理绝对路径
urls = rq+urls
return urls
def depth(url,dep,ospath):
'''三个参数分别是
url : 需要下载的网站地址
dep :需要遍历的深度
ospath:图片下载的本地文件夹     
'''
global num
if dep<=0:
return 0
else:
img=get_img(url)
for j in range(0,len(img)):
if is_img(img[j]) == 'image':
filepath = get_file_name(ospath,img[j],num+1);
if (os.path.exists(filepath)):
pass
try:
urllib.urlretrieve(img[j], filepath)
print '已经下载好第%d张图片'%(num+1)
num+=1
except:
print '该图片无法下载或者图片地址无法识别!'
print img[j]
else:
pass
urls=get_url(url)
if len(urls)>0:
for url in urls:
depth(url,dep-1,ospath)
else:
return 0
return 1

if __name__ == '__main__':
imglenth = 1           #设置需要下载的图片大小。
num=0
depth('http://tieba.baidu.com/f?kz=820731958',1,"E:\\python\\GetImageFromWeb\\img\\")   
print '********************************我爬完了!!******************************************'

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-368559-1-1.html 上篇帖子: python 内置函数 下篇帖子: python抓取网页
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表