python抓取网站图片

# 抓取豆瓣图片

import urllib.request

from html.parserimport HTMLParser

import re

import os

import shutil

import time

#设置url和存储路径

url ="http://www.douban.com/"

filePath ="D:\\temp"

# 读取HTML

urlContent = urllib.request.urlopen(url);

data =str(urlContent.read())

# 初始化文件目录

if os.path.isdir(filePath):

shutil.rmtree(filePath)# 递归删除目录树

elif os.path.isfile(filePath):

os.remove(filePath)# 删除文件

os.makedirs(filePath)# 创建目录

# 生成唯一文件名

intFlag =0

def getTimeStr():

global intFlag

intFlag = intFlag +1

    return time.strftime("%H%M%S") +str(intFlag)

# 解析HTML

# HTMLParser方式解析,这里HTMLParser类似于抽象类

class MyHtmlParser(HTMLParser):

def handle_starttag(self, tag, attrs):

'获取 img标签'

        if tag =="img":

for imageUrlin attrs:

'获取src属性'

                print(imageUrl)

if imageUrl[0] =='src':

imageUrl = imageUrl[1]

#print(imageUrl)

                    imageUrl = re.sub("[\\\\']","", imageUrl)

iamgeUrlArr = imageUrl.split("/")

#print(iamgeUrlArr)

                    imgFilePath = iamgeUrlArr[len(iamgeUrlArr) -1]

#print("len(iamgeUrlArr)={0}, imgFilePath={1}".format(len(iamgeUrlArr), imgFilePath))

                    try:

imgData = urllib.request.urlopen(imageUrl).read()

imgFilePath = filePath + os.sep + imgFilePath + getTimeStr() +".jpg"

                      imageFile =open(imgFilePath,"wb")

imageFile.write(imgData)

imageFile.close()

print("下载文件", imageUrl,"成功,另存路径:" + imgFilePath)

except:

print("****下载文件 ", imageUrl," 出错:")

# 调用抓取图片的API进行抓取

parser = MyHtmlParser()

# 解析HTML

parser.feed(data)

print("获取图片操作完成")