天天看点

记录第一次纯手打爬虫经历

这两天看了看Python的一些语法,发现Python还真的是给力呢。先不说它强大的类库,面向对象或者其他的好处,单单是爬图这一块,就已经深深的吸引到了我,于是在我的摸索之下,人生中的第一次爬虫出现了。之所以写这篇文章,是因为想以此来纪念一下。等今后技术上进步了,回过头来看看自己走过的点点滴滴,出现的这诸多的问题,想必也是一种不错的体验吧。

好了,废话不多说。

记录第一次纯手打爬虫经历

思路上来说,很普通。

先利用urllib把对应的网页给抓下来

然后对网页进行解析,这里使用了re模块来进行正则表达式的匹配,我们需要的就是img标签而已

再次的使用urllib将图片对应的那个url给download下来

最后写入一张张图片

至此,完结

首先是一个下载网页的过程,这里我将其封装到了一个函数中

然后是写入一个图片文件的过程,依然封装起来,如下:

最为关键的就是使用正则表达式来匹配我需要的东西–图片,正则表达式的话,我们可以这么干,这里仅仅是针对于这篇。我们可以使用开发者工具看到如下:

记录第一次纯手打爬虫经历

正则表达式为<code>r'src=(.+?\.jpg)'</code>

下面我来详细的说明一下各个参数的含义:

r’ : 即可以忽略转义的影响,如果不写这个的话,我们需要对右斜线进行转义”\\”

src=”” : 这里就是一个匹配格式,就是包含有src=”“开头的数据

() : 匹配完成后返回的将是一个list,方便我们进行数据的提取

.+?.jpg : 就是匹配任意多个以<code>.jpg</code>结尾的数据,这里就是我们的图片了

好了,该做的都做好了,下面让我们看一看完整的代码吧

记录第一次纯手打爬虫经历

代码还是很凌乱的,我应该把那个正则匹配的也封装起来的。这样方便代码的维护和减少重复代码。

通过这次的小案例,我学会了一些简单模块的使用,同时也对于Python有了一点入门的感觉了。Python就是一个人思想的代表。只要逻辑对了,顺着思路一步步的往下走。就一定可以成功完成的。另外,那就是遇到错误,不要放弃。要从错误中寻找解决的方法。

如果,你认为代码中有什么不正确的地方,或者想和本人探讨一下关于爬虫方面的问题,欢迎留言哦。