如果你仔细观察，就不难发现，懂爬虫、学习爬虫的人越来越多，一方面，互联网可以获取的数据越来越多，另一方面，像 Python这样的编程语言提供越来越多的优秀工具，让爬虫变得简单、容易上手。
对于小白来说，爬虫可能是一件非常复杂，技术门槛很高的事情，其实只要掌握正确方法，在短时间内也是能够做到精通的！这里给你一条平滑的，零基础快速入门的学习路径。
先来带你简单的爬取一下网络图片：
1. 概述
本文主要实现一个简单的爬虫，目的是从一个百度贴吧页面下载图片。下载图片的步骤如下：
（1）获取网页html文本内容；
（2）分析html中图片的html标签特征，用正则解析出所有的图片url链接列表；
（3）根据图片的url链接列表将图片下载到本地文件夹中。
如果你是零基础小白，看不懂，没关系！完整项目代码+视频使用教程+Python编程学习资料都给你带走，有了这些 不怕你学不会！ 不收取任何费用哦
2. urllib+re实现
#!/usr/bin/python # coding:utf-8 # 实现一个简单的爬虫，爬取百度贴吧图片 import urllib import re # 根据url获取网页html内容 def getHtmlContent(url): page = urllib.urlopen(url) return () # 从html中解析出所有jpg图片的url # 百度贴吧html中jpg图片的url格式为：<img ... src="XXX.jpg" width=...> def getJPGs(html): # 解析jpg图片url的正则 jpgReg = re.compile(r'<img.+?src="(.+?\.jpg)" width') # 注：这里最后加一个'width'是为了提高匹配精确度 # 解析出jpg的url列表 jpgs = re.findall(jpgReg,html) return jpgs # 用图片url下载图片并保存成制定文件名 defdownloadJPG(imgUrl,fileName): urllib.urlretrieve(imgUrl,fileName) # 批量下载图片，默认保存到当前目录下 def batchDownloadJPGs(imgUrls,path ='./'): # 用于给图片命名 count = 1 for url in imgUrls: downloadJPG(url,''.join([path,'{0}.jpg'.format(count)])) count = count + 1 # 封装：从百度贴吧网页下载图片 def download(url): html = getHtmlContent(url) jpgs = getJPGs(html) batchDownloadJPGs(jpgs) def main(): url = '; download(url) if __name__ == '__main__': main()
运行上面脚本，过几秒种之后完成下载，可以在当前目录下看到图片已经下载好了：
3. requests + re实现
下面用requests库实现下载，把getHtmlContent和downloadJPG函数都用requests重新实现。
#!/usr/bin/python # coding:utf-8 # 实现一个简单的爬虫，爬取百度贴吧图片 import requests import re # 根据url获取网页html内容 def getHtmlContent(url): page = reque(url): return # 从html中解析出所有jpg图片的url # 百度贴吧html中jpg图片的url格式为：<img ... src="XXX.jpg" width=...> def getJPGs(html): # 解析jpg图片url的正则 jpgReg = re.compile(r'<img.+?src="(.+?\.jpg)" width') # 注：这里最后加一个'width'是为了提高匹配精确度 # 解析出jpg的url列表 jpgs = re.findall(jpgReg,html) return jpgs # 用图片url下载图片并保存成制定文件名 def downloadJPG(imgUrl,fileName): # 可自动关闭请求和响应的模块 from contextlib import closing with closing(reque(imgUrl,stream = True)) as resp: with open(fileName,'wb') as f: for chunk in re(128): f.write(chunk) # 批量下载图片，默认保存到当前目录下 defbatchDownloadJPGs(imgUrls,path ='./'): # 用于给图片命名 count = 1 for url in imgUrls: downloadJPG(url,''.join([path,'{0}.jpg'.format(count)])) print '下载完成第{0}张图片'.format(count) count = count + 1 # 封装：从百度贴吧网页下载图片 def download(url): html = getHtmlContent(url) jpgs = getJPGs(html) batchDownloadJPGs(jpgs) def main(): url = '; download(url) if __name__ == '__main__': main()
输出：和前面一样。
不知道这篇简单的python爬虫小案例有没有帮到你呢？无论你是零基础小白看不懂还是看懂了想体验高难度！小伙伴们都不用担心~
小编已经为你准备好了Python爬视频教程
请关注+私信回复小编我关键词“学习”就可以拿到这份份我为大家准备的13天学会Python爬虫分布式
十三天具体干什么？
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：
每天三两个小时，13天轻松拿下python爬虫，你就说牛不牛！溜不溜！
小编已经把这些视频资料全部打包整理好了，如果你需要的话，请转发本文+关注并私信小编：“学习”就可以免费领取哦
鲁达