admin管理员组

文章数量:814270

第一个小爬虫

#引入模块request,re,Beautiful,time
from urllib import request
from bs4 import BeautifulSoup
import re,time,sys
#引入一个URL地址
url=''
#打开这个URL然后进行读取(以utf-8的编码格式)
html = request.urlopen(url).read().decode('utf-8')
#利用BeautifulSoup对已经读取的url进行parser模式的解析
soup = BeautifulSoup(html, 'html.parser')

#利用find_all对已经解析好的soup进行筛选(关键字,正则)
links = soup.find_all('img', "origin_image zh-lightbox-thumb",src=repile(r'.jpg$'))

#设置图片存储路径
path = r'D:\测试'

#遍历links中的每一个链接(link)
for link in links:
#link.attrs['src']返回一个属性字典
  print(link.attrs['src'])
#request.urlretrieve()将远程数据下载到本地
  request.urlretrieve(link.attrs['src'],path+'\%s.jpg%time.time())

转载于:.html

本文标签: 第一个小爬虫