怎样使用python爬虫进行网页图片抓取

本文通过python 来实现这样一个简单的爬虫功能，把我们想要的图片爬取到本地。
下面就看看如何使用python来实现这样一个功能。

# -*- coding: utf-8 -*-
import urllib
import re
import time
import os
 
#显示下载进度
def schedule(a,b,c):
    '''''
    a:已经下载的数据块
    b:数据块的大小
    c:远程文件的大小
   '''
    per = 100.0 * a * b / c
    if per > 100 :
       per = 100
   print '%.2f%%' % per
 
def getHtml(url):
    page = urllib.urlopen(url)
    html = page.read()
    return html
 
def downloadImg(html):
    reg = r'src="(.+?.jpg)" pic_ext'
    imgre = re.compile(reg)
   imglist = re.findall(imgre, html)
    #定义文件夹的名字
    t = time.localtime(time.time())
    foldername = str(t.__getattribute__("tm_year"))+"-"+str(t.__getattribute__("tm_mon"))+"-"+str(t.__getattribute__("tm_mday"))
    picpath = 'D:\ImageDownload\%s' % (foldername) #下载到的本地目录
    
    if not os.path.exists(picpath):   #路径不存在时创建一个
       os.makedirs(picpath)   
    x = 0
    for imgurl in imglist:
        target = picpath+'\%s.jpg' % x
      print 'Downloading image to location: ' + target + '
url=' + imgurl
       image = urllib.urlretrieve(imgurl, target, schedule)
      x += 1
   return image;
 
  
   
if __name__ == '__main__':
   print '''            *************************************
            **      Welcome to use Spider      **
           **     Created on  2014-05-13      **
            **       @author: cruise           **
         *************************************'''
   
   html = getHtml("http://tieba.baidu.com/p/2460150866")
 
    downloadImg(html)
    print "Download has finished."

　　

这里的核心是用到了urllib.urlretrieve()方法，直接将远程数据下载到本地。
下面我们再来看看 urllib 模块提供的 urlretrieve() 函数。urlretrieve() 方法直接将远程数据下载到本地。

1>>> help(urllib.urlretrieve)
2    Help on function urlretrieve in module urllib:
3     
4    urlretrieve(url, filename=None, reporthook=None, data=None)

参数 reporthook 是一个回调函数，当连接上服务器、以及相应的数据块传输完毕时会触发该回调，我们可以利用这个回调函数来显示当前的下载进度。
参数 data 指 post 到服务器的数据，该方法返回一个包含两个元素的(filename, headers)元组，filename 表示保存到本地的路径，header 表示服务器的响应头。
　　通过一个for循环对获取的图片连接进行遍历，为了使图片的文件名看上去更规范，对其进行重命名，命名规则通过x变量加1。保存的位置默认为程序的存放目录。
在python shell中看到的信息如下：

程序运行完成，将在目录下看到下载到本地的文件。