1樓:匿名使用者
在我們日常上網瀏覽網
我們最常規的做法就是通過滑鼠右鍵,選擇另存為。但有些**滑鼠右鍵的時候並沒有另存為選項,還有辦法就通過就是通過截圖工具擷取下來,但這樣就降低**的清晰度。好吧其實你很厲害的,右鍵檢視頁面源**。
我們可以通過python 來實現這樣乙個簡單的爬蟲功能,把我們想要的**爬取到本地。下面就看看如何使用python來實現這樣乙個功能。
具體步驟
urllib 模組提供了讀取web頁面資料的介面,我們可以像讀取本地檔案一樣讀取www和ftp上的資料。首先,我們定義了乙個gethtml()函式:
urllib.urlopen()方法用於開啟乙個url位址。
2.篩選頁面中想要的資料
python 提供了非常強大的正規表示式,我們需要先要了解一點python 正規表示式的知識才行。
修改**如下:
我們又建立了getimg()函式,用於在獲取的整個頁面中篩選需要的**連線。re模組主要包含了正規表示式:
re.***pile() 可以把正規表示式編譯成乙個正規表示式物件.
re.findall() 方法讀取html 中包含 imgre(正規表示式)的資料。
3.將頁面篩選的資料儲存到本地
把篩選的**位址通過for迴圈遍歷並儲存到本地,**如下:
通過乙個for迴圈對獲取的**連線進行遍歷,為了使**的檔名看上去更規範,對其進行重新命名,命名規則通過x變數加1。儲存的位置預設為程式的存放目錄。
python爬蟲自學要多久，學習Python爬蟲需要多久
現在之所以有這麼多的小夥伴熱衷於爬蟲技術，無外乎是因為爬蟲可以幫我們做很多事情，比如搜尋引擎 採集資料 廣告過濾等，以python為例，python爬蟲可以用於資料分析，在資料抓取方面發揮巨大的作用。但是這並不意味著單純掌握一門python語言，就對爬蟲技術觸類旁通，要學習的知識和規範還有喜很多，包...
如何用python獲得當前時間的秒數
import datetime now datetime.datetime.now print now.second now裡面有其所有日期和時間的屬性 now.second獲得的是int型 import time print time.time python 如何獲取 秒級別的時間 123impo...
如何用python中的nltk對中文進行分析和處理
一 nltk進行分 詞用到的函式 nltk.sent tokenize text 對文字按照句子進行分割 nltk.word tokenize sent 對句子進行分詞 二 版nltk進行詞性標註 用到的函權數 nltk.pos tag tokens tokens是句子分詞後的結果,同樣是句子級的標...