爬取百度贴吧图片（表情包）

　　我们在浏览百度贴吧时，会看到许多“神图”，我们想要保存，这个时候我们就会下载到本地，当我们学习了爬虫之后，就没有必要一个一个下载了，可以使用爬虫自动下载全部图片。

　　下面随便指定一个贴吧页：http://tieba.baidu.com/p/3242594565，爬取页面上的图片。首先对这个帖子进行观察，我们会发现这个帖子有许多页，所以就可以使用pn=%d的方法来爬取后面页数的帖子，然后想到爬取图片需要机芯进行命名，并把它们保存在本地

 

查看一下要爬取的网址信息：http://tieba.baidu.com/p/3242594565

看下界面，发现有14页

然后找到要爬取的图片，查看图片的地址信息。

这里可以看到图片地址为：https://imgsa.baidu.com/forum/w%3D580/sign=998a3367c98065387beaa41ba7dca115/6c751b0fd9f9d72a6ac0a634d72a2834349bbb28.jpg

可以使用正则表达式进行爬取 ，可以使用https://imgsa.*?\.jpg的格式。

 

 

然后就是编写代码进行爬取了，这里的思路是：

　　先获得网页的代码，然后通过网页代码获取图片，再将图片命名保存就可以了。

 代码如下：

import re
import urllib.request


#获取网址信息
def getHtml(url):        
    page = urllib.request.urlopen(url)
    html = page.read()
    return html

#爬取图片
def getImg(html):        
    reg = r'src="(https://imgsa.*?\.jpg)"'
    imgre = re.compile(reg)
    imList = re.findall(reg, html.decode('utf-8'))

    #爬取图片命名
    x=0
    for i in imList:
        print(i)
        print(x)
        urllib.request.urlretrieve(i, '%s.jpg' % x)
        x += 1


#爬取的贴吧网址
url = "http://tieba.baidu.com/p/3242594565?pn="    

#由于贴吧有14页，爬取的图片较多，这里先爬取一个网址的图片，图片保存在当前文件夹里
for k in range(1, 2):    
    ul = url+str(k)
    print(ul)
    html = getHtml(ul)
    getImg(html)

在Pycharm上运行代码：

 

 

 查看文件夹，发现新增了下载的图片，并且都已经命名：

 这样就成功爬取了贴吧上的图片。