爬虫爬取百度贴吧图片

#-*- coding: UTF-8 -*-
import urllib
import urllib2
import re
import sys
def open_url(url2):
    req = urllib2.Request(url2)
    user_agent = 'Mozilla/5.0 (Windows NT 6.1) AppleWebKit'
    headers = {'User-Agent' : user_agent}
    try:page = urllib2.urlopen(req)
    except urllib2.URLError,e:
        print e.reason
        
    html = page.read().decode('utf-8')
    return html
    
def get_img(html):
    p = re.compile(r'src="([^"]+\.jpg)"')
    imglist = p.findall(html)
    i = 1
    for each in set(imglist):
        filename = each[-8:]
        try:
            urllib.urlretrieve(each,filename,None)
            print "downloading" + str(i) + "个新垣结衣"
        except:
            print "Unexpected error:", sys.exc_info()[0]
        i+= 1
def start():
    for j in range(1,pages+1):
        url2 = url + str(j)
        get_img(open_url(url2))
        print '已经爬取了第 ' + str(j) + ' 页'
if __name__=='__main__':
    url = raw_input('输入网址,把pn=后面的数字去掉')
    pages = int(raw_input('该帖子有多少页?'))
    start()

看看效果吧

QQ图片20160825162043.png

![%J0N0_0$ODJ71]{3)VS3{TU.png](http://upload-images.jianshu.io/upload_images/2577034-85b6151f1fb333fa.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

等我把beautifulsoup 还有正则学好,我就可以征服草榴了!!!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容