Python3 实例教程：爬取与保存图片

"这篇教程提供了一个使用Python3爬取网页图片的实例代码，适用于初学者，旨在帮助理解如何通过Python下载网络上的图片。" 在Python3中，爬取图片涉及到了几个关键的库和概念，其中包括`urllib.request`、`re`（正则表达式）和`os`。下面我们将详细解释这些知识点： 1. `urllib.request`： - `urllib.request.urlopen(url)`: 这个函数用于打开并读取指定URL的网页内容。在这个例子中，它用于获取网页的HTML源代码。 - `urllib.request.urlretrieve(url, filename)`: 这个方法用于从互联网上下载文件，这里的文件通常是图片。它接收两个参数：图片的URL和本地存储的文件名。 2. 正则表达式（`re`库）： - `re.compile(reg)`: 编译正则表达式模式，返回一个正则表达式对象。 - `imge.findall(html)`: 使用编译好的正则表达式在HTML文本中查找所有匹配的图像URL。这里使用了`src="(https.+?.[jpg,png])"`这个正则表达式来匹配图片链接。 3. `os`库： - `os.path.join(directory, filename)`: 这个函数用于连接目录和文件名，生成完整的路径。 - `os.path.dirname(__file__)`: 获取当前脚本所在的目录，这对于确定图片的保存位置很有用。 - `f'{dir}\\image{i}.jpg'`: f-string（格式化字符串字面值）是Python3.6引入的新特性，用于动态构建字符串，这里的`{i}`会被替换为变量`i`的值，用于为每个下载的图片生成唯一的文件名。 4. 代码逻辑： - `get_image(url)`函数负责获取网页的HTML，然后使用正则表达式找出所有图片URL，并将它们放入列表`imglist`中。 - `save_img(imglist)`函数遍历列表`imglist`，依次下载每张图片并保存到本地。如果下载过程中出现异常，则捕获异常并继续尝试下一个图片。 这个实例代码提供了一个基础的网络爬虫框架，对于学习Python3爬虫特别是图片爬取很有帮助。在实际应用中，可能需要添加更多的错误处理和优化，比如设置请求头以模拟浏览器行为，处理验证码或登录验证，以及使用代理IP来防止IP被封等。同时，对于大规模的图片爬取，使用更高级的库如`requests`和`BeautifulSoup`可以提高效率和灵活性。