python爬数据小试牛刀–beautifulSoup使用

1.环境配置

• 编译环境：python 2.7
• 编译器：pycharm
• HTML或XML提取工具：beautifulSoup(安装自行百度)

2.网站分析

• 网站：斗鱼（http://www.douyu.com）
• 爬取目标：首页的图片
• 步骤一：查看图片信息，鼠标右键图片，选择检查
• image
  检查
• 步骤二：分析发现图片连接都在src下面
• 步骤三：代码编写
• 导入库

 import urllib
 from  bs4  import BeautifulSoup 

• 获取网页

 import urllib
from  bs4  import BeautifulSoup
f=urllib.urlopen("http://www.douyu.com")
html =f.read()
soup = BeautifulSoup(html, 'html.parser')

• 匹配查询

ss=soup.find_all('img')
print ss
lenth=int(len(ss))
print lenth
for i in range(lenth):
    url =ss[i].attrs['src']
    print url
    tad=url.rfind('.')
    print tad
    if tad>0:
       str= url[tad+1:tad+4]
       if str=='png':
           print "this is png"
           urllib.urlretrieve(url, './img2/png%d.png'%i)
       elif str=='jpg':
           print 'this is jpg'
           urllib.urlretrieve(url, './img2/img%d.jpg' % i)
       elif str=='gif':
           print "this is gif"
           urllib.urlretrieve(url, './img2/gif%d.gif' % i)
       else:print "Error"
       

3.总结

获取图片的过程中，发现图片有jpg,png,和gif,于是通过字符串操作，把格式区分开来。