思路:
- 1.抓取网页。
- 2.获取图片地址。
- 3.抓取图片内容并保存在本地。
第一步可以用urllib中request子模块实现,第三步保存在本地也很简单。下面重点说获取图片地址。
获取图片地址
现在的url比视频的中的有点区别,在网页中看一下图片的url信息:
你会发现1和2是同一个url,如果使用原来的正则表达式:
re.findall(r'src=.+\.jpg',buf)
匹配的结果如下面的红线所示:
原因是因为匹配任意知道最后一个以jpg结束,这个就不能直接获取图片的url,下面是我解决的思路:
首先用
listurl = re.findall(r'src=.+\.jpg',buf)
返回的是匹配好的带有src的url列表,然后遍历列表中的每一个url在用一次正则表达式
完整代码:
import re,urllib.request
request = urllib.request.urlopen('http://www.imooc.com/course/list')
buf = request.read().decode('utf-8')
listurl = re.findall(r'src=.+\.jpg',buf)
print (listurl)
res=[]
for url in listurl:
a= re.findall(r'com(\/.+\.jpg)',url)
res.append('http://img.mukewang.com'+a[0])
for url in res:
print (url)
index = 0
for url in res:
f = open(str(index)+'.jpg', 'wb')
request = urllib.request.urlopen(url)
buf = request.read()
f.write(buf)
index = index + 1
#关闭文件
f.close()
运行结果
此时在本地可以看到保存的图片: