首页 > 其他 > 详细

小爬静态页面图片

时间:2017-08-15 20:46:15      阅读:460      评论:0      收藏:0      [点我收藏+]

以慕课网http://www.imooc.com/首页为例

源代码:

#coding:utf-8
class Outputer:
	def __init__(self,directory):
		self.directory=directory
	def output(self,file,content):
		try:
			f=open(self.directory+file,‘wb‘)
			f.write(content)
		except Exception as err:
			print(err)
		finally:
			f.close()
			print(file+"has writed!")


class SpiderMan:
	def __init__(self,url,directory):
		self.url=url
		self.outputer=Outputer(directory)
	def crawl(self):
		resp=request.urlopen(self.url)
		buff=resp.read()
		pattern=r‘http:.+\.jpg‘
		jpgurls=re.findall(pattern,buff.decode(‘utf-8‘),flags=0)
		count=1
		for jurl in jpgurls:
			try:
				content=request.urlopen(jurl).read()
				print(count)
				count=count+1
				self.outputer.output(‘imooc_‘+str(count)+‘.jpg‘,content)
			except UnicodeEncodeError  as err:
				print(err)

if __name__ == ‘__main__‘:
	from  urllib import request
	import re
	#http://www.imooc.com/
	url=‘http://www.imooc.com/‘
	spider=SpiderMan(url,‘./spider_imooc/‘)
	spider.crawl()

运行图:

  技术分享

技术分享

小爬静态页面图片

原文:http://www.cnblogs.com/jasonhaven/p/7367421.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!