简单实现python爬虫功能

#coding=utf-8
import urllib

def getHtml(url):
  page = urllib.urlopen(url)
  html = page.read()
  return html

html = getHtml("http://tieba.baidu.com/p/2738151262")

print html

import re
import urllib

def getHtml(url):
  page = urllib.urlopen(url)
  html = page.read()
  return html

def getImg(html):
  reg = r'src="/UploadFiles/2021-04-08/(.+">

我们又创建了getImg()函数，用于在获取的整个页面中筛选需要的图片连接。re模块主要包含了正则表达式：

  
　　re.compile() 可以把正则表达式编译成一个正则表达式对象.
  
　　re.findall() 方法读取html 中包含 imgre（正则表达式）的数据.

运行脚本将得到整个页面中包含图片的URL地址。 
三、将页面筛选的数据保存到本地

把筛选的图片地址通过for循环遍历并保存到本地，代码如下：




#coding=utf-8
import urllib
import re

def getHtml(url):
  page = urllib.urlopen(url)
  html = page.read()
  return html

def getImg(html):
  reg = r'src="/UploadFiles/2021-04-08/(.+">

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。

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。

程序运行完成，将在目录下看到下载到本地的文件。
结果展示：

以上就是本文的全部内容，希望对大家实现Python爬虫功能有所帮助。