Python-貼吧圖片爬蟲

# -*- coding: utf-8 -*-
"""
Created on Mon Apr 11 18:34:27 2016
@author: Albert
"""

import urllib2
import re
import urllib
def cbk(a, b, c): 
    '''回調函數
04
    @a: 已經下載的數據塊
05
    @b: 數據塊的大小
06
    @c: 遠程文件的大小
07
    ''' 
    per = 100.0 * a * b / c 
    if per > 100: 
        per = 100 
    print '%.2f%%' % per
begin=int(raw_input(u'輸入起始頁'))
end=int(raw_input(u'輸入結束頁'))
f=open(r'd:\2\baidu.txt','a')
for a in xrange(begin,end+1):
    url=r'http://tieba.baidu.com/f?kw=吉林大學&ie=utf-8&pn='+'%d'%(50*(a-1))
    html=urllib2.urlopen(url)
    page=html.read()
    patten=re.findall('original="(.*?).jpg',page,re.S)
    i=1
    for line in patten:
        line=line+'.jpg'
        local = 'd://picture//%d-%d.jpg'%(a,i)
        print "第%d頁第%d張"%(a,i)   
        i=i+1
        urllib.urlretrieve(line, local, cbk)

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章