快捷導(dǎo)航

python3.4爬蟲demo

更新時(shí)間：2019年01月22日 10:27:15 作者：chenqiangdage

今天小編就為大家分享一篇關(guān)于python3.4爬蟲demo，小編覺得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來看看吧

python 3.4 所寫爬蟲

僅僅是個(gè)demo，以百度圖片首頁圖片為例。能跑出圖片上的圖片；

使用 eclipse pydev 編寫：

from SpiderSimple.HtmLHelper import *
import imp
import sys
imp.reload(sys) 
#sys.setdefaultencoding('utf-8')  
html = getHtml('http://image.baidu.com/')
try:
  getImage(html)
  exit()
except Exception as e:
  print(e)

HtmlHelper.py文件

上面的 SpiderSimple是自定義的包名

from urllib.request import urlopen,urlretrieve
#正則庫(kù)
import re
#打開網(wǎng)頁
def getHtml(url):
  page = urlopen(url)        
  html = page.read()
  return html
#用正則爬里面的圖片地址  
def getImage(Html):
  try:
    #reg = r'src="(.+?\.jpg)" class'
    #image = re.compile(reg)  
    image = re.compile(r'<img[^>]*src[=\"\']+([^\"\']*)[\"\'][^>]*>', re.I)     
    Html = Html.decode('utf-8')
    imaglist = re.findall(image,Html)    
    x =0    
    for imagurl in imaglist:  
      #將圖片一個(gè)個(gè)下載到項(xiàng)目所在文件夾     
      urlretrieve(imagurl, '%s.jpg' % x)
      x+=1 
  except Exception as e:
    print(e)

要注意個(gè)大問題，python 默認(rèn)編碼的問題。

有可能報(bào)UnicodeDecodeError: 'ascii' codec can't decode byte 0x?? in position 1: ordinal not in range(128)，錯(cuò)誤。這個(gè)要設(shè)置python的默認(rèn)編碼為utf-8.

設(shè)置最好的方式是寫bat文件，

echo off
set PYTHONIOENCODING=utf8
python -u %1

然后重啟電腦。

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對(duì)腳本之家的支持。如果你想了解更多相關(guān)內(nèi)容請(qǐng)查看下面相關(guān)鏈接

您可能感興趣的文章:

相關(guān)文章

Python?urllib?入門使用詳細(xì)教程
urllib?庫(kù)，它是?Python?內(nèi)置的?HTTP?請(qǐng)求庫(kù)，不需要額外安裝即可使用，這篇文章主要介紹了Python?urllib?入門使用,需要的朋友可以參考下
2022-11-11
Pycharm如何運(yùn)行.py文件的方法步驟
這篇文章主要介紹了Pycharm如何運(yùn)行.py文件的方法步驟，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
2020-03-03
python如何利用paramiko執(zhí)行服務(wù)器命令
這篇文章主要介紹了python如何利用paramiko執(zhí)行服務(wù)器命令，幫助大家更好的理解和使用python，感興趣的朋友可以了解下
2020-11-11
python線程池threadpool使用篇
這篇文章主要為大家詳細(xì)介紹了python線程池threadpool的使用方法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2018-04-04
Pytorch實(shí)現(xiàn)常用乘法算子TensorRT的示例代碼
pytorch 用于訓(xùn)練，TensorRT用于推理是很多AI應(yīng)用開發(fā)的標(biāo)配。大家往往更加熟悉 pytorch 的算子，而不太熟悉TensorRT的算子。本文介紹了Pytorch中常用乘法的TensorRT實(shí)現(xiàn)，感興趣的可以了解一下
2022-06-06
Python利用Selenium實(shí)現(xiàn)簡(jiǎn)單的中英互譯功能
Selenium 是一個(gè)用于 Web 應(yīng)用程序測(cè)試的工具,最初是為網(wǎng)站自動(dòng)化測(cè)試而開發(fā)的,可以直接運(yùn)行在瀏覽器上,是 Python 的一個(gè)第三方庫(kù),對(duì)外提供的接口能夠操作瀏覽器,從而讓瀏覽器完成自動(dòng)化的操作,本文介紹了如何利用Python中的Selenium實(shí)現(xiàn)簡(jiǎn)單的中英互譯
2024-08-08
PyCharm無法識(shí)別PyQt5的2種解決方法，ModuleNotFoundError: No module named
這篇文章主要介紹了PyCharm無法識(shí)別PyQt5的兩種解決辦法，ModuleNotFoundError: No module named 'pyqt5',需要的朋友可以參考下
2020-02-02
Python中Collections模塊的Counter容器類使用教程
Counter是Python標(biāo)準(zhǔn)庫(kù)提供的一個(gè)非常有用的容器,可以用來對(duì)序列中出現(xiàn)的各個(gè)元素進(jìn)行計(jì)數(shù),下面就來一起看一下Python中Collections模塊的Counter容器類使用教程
2016-05-05
python自帶的http模塊詳解
本文主要是給大家詳細(xì)講解了Python中自帶的http模塊的使用方法和實(shí)例，非常的細(xì)致，有需要的小伙伴可以參考下
2016-11-11
使用python制作一個(gè)解壓縮軟件
這篇文章主要介紹了python制作一個(gè)解壓縮軟件的方法，非常不錯(cuò)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下
2019-11-11