如果你仔細觀察，就不難發(fā)現(xiàn)，懂爬蟲、學習爬蟲的人越來越多，一方面，互聯(lián)網(wǎng)可以獲取的數(shù)據(jù)越來越多，另一方面，像 Python這樣的編程語言提供越來越多的優(yōu)秀工具，讓爬蟲變得簡單、容易上手。

對于小白來說，爬蟲可能是一件非常復雜，技術門檻很高的事情，其實只要掌握正確方法，在短時間內(nèi)也是能夠做到精通的！這里給你一條平滑的，零基礎快速入門的學習路徑。

先來帶你簡單的爬取一下網(wǎng)絡圖片：

1. 概述

本文主要實現(xiàn)一個簡單的爬蟲，目的是從一個百度貼吧頁面下載圖片。下載圖片的步驟如下：

（1）獲取網(wǎng)頁html文本內(nèi)容；

（2）分析html中圖片的html標簽特征，用正則解析出所有的圖片url鏈接列表；

（3）根據(jù)圖片的url鏈接列表將圖片下載到本地文件夾中。

如果你是零基礎小白，看不懂，沒關系！完整項目代碼+視頻使用教程+Python編程學習資料都給你帶走，有了這些 不怕你學不會！ 不收取任何費用哦

2. urllib+re實現(xiàn)

運行上面腳本，過幾秒種之后完成下載，可以在當前目錄下看到圖片已經(jīng)下載好了：

3. requests + re實現(xiàn)

下面用requests庫實現(xiàn)下載，把getHtmlContent和downloadJPG函數(shù)都用requests重新實現(xiàn)。

#!/usr/bin/python# coding:utf-8# 實現(xiàn)一個簡單的爬蟲，爬取百度貼吧圖片import requestsimport re# 根據(jù)url獲取網(wǎng)頁html內(nèi)容def getHtmlContent(url):  page = requests.get(url): return page.text# 從html中解析出所有jpg圖片的url# 百度貼吧html中jpg圖片的url格式為：<img ... src='XXX.jpg' width=...>def getJPGs(html):  # 解析jpg圖片url的正則  jpgReg = re.compile(r'<img.+?src='(.+?\.jpg)' width') # 注：這里最后加一個'width'是為了提高匹配精確度  # 解析出jpg的url列表  jpgs = re.findall(jpgReg,html) return jpgs# 用圖片url下載圖片并保存成制定文件名def downloadJPG(imgUrl,fileName):  # 可自動關閉請求和響應的模塊  from contextlib import closing with closing(requests.get(imgUrl,stream = True)) as resp: with open(fileName,'wb') as f: for chunk in resp.iter_content(128): f.write(chunk)# 批量下載圖片，默認保存到當前目錄下defbatchDownloadJPGs(imgUrls,path ='./'):  # 用于給圖片命名  count = 1  for url in imgUrls: downloadJPG(url,''.join([path,'{0}.jpg'.format(count)])) print '下載完成第{0}張圖片'.format(count) count = count + 1# 封裝：從百度貼吧網(wǎng)頁下載圖片def download(url):  html = getHtmlContent(url) jpgs = getJPGs(html) batchDownloadJPGs(jpgs)def main():  url = 'http://tieba.baidu.com/p/2256306796'  download(url)if __name__ == '__main__': main()

輸出：和前面一樣。

不知道這篇簡單的python爬蟲小案例有沒有幫到你呢？無論你是零基礎小白看不懂還是看懂了想體驗高難度！小伙伴們都不用擔心~

小編已經(jīng)為你準備好了Python爬視頻教程

請關注+私信回復小編我關鍵詞“學習”就可以拿到這份份我為大家準備的13天學會Python爬蟲分布式

十三天具體干什么？

第一天：

第二天：

第三天：

第四天：

第五天：

第六天：

第七天：

第八天：

第九天：

第十天：

第十一天：

第十二天：

第十三天：

每天三兩個小時，13天輕松拿下python爬蟲，你就說牛不牛！溜不溜！