简单爬虫：千图网高清图片爬取（python_004)
目标需求：将千图网（ http://www.58pic.com/）某个频道的所有图片爬下来，要高清图！
选定“健身”频道，链接地址： http://www.58pic.com/tupian/jianshen-807-0.html
爬虫实现步骤：
第一步：分析URL，寻找翻页规律，构造URL。
我们看到健身频道下的图片总共有208页，每页约30张图片，总共有图片约6000张。
需要爬虫将每一页上的图片爬取下来，并实现自动翻页，那么就需要找到URL中翻页的规律，并构造出我们需要的URL。分析如下：
第1页： http://www.58pic.com/tupian/jianshen-807-0.html
第2页： http://www.58pic.com/tupian/jianshen-807-0-2.html
第3页： http://www.58pic.com/tupian/jianshen-807-0-3.html
分析前三页的规律很容易知道，页面是在最后一个数字逐页递增。所以，
第4页应该是： http://www.58pic.com/tupian/jianshen-807-0-4.html
输入网址验证一下，验证成功，链接能够成功条状到第4页。
那么，很简单我们需要构造的URL就是如下了：
第二步：查看网页源代码，通过正则表达式，找到所有高清图片的位置。
通过分析页面源代码，我们很快发现“data-original="后面的链接就是我们需要的图片地址，而且正好是30张图片。
比如，这个链接： http://pic.qiantucdn.com/58pic/26/14/14/58c31650287b3_1024.jpg!qtwebp324
输入地址框，出来是下面这张图片：
咦～尺寸好像不对，再观察图片url，正常的图片应该以“.jpg”结尾，这个URL后面多了一串文字：!qtwebp324。
试着把 !qtwebp324 删掉看看效果。没想到运气很好，就是要找的高清图的地址。
哦耶～这下就很清楚了，我们要找的高清图片地址就是将“data-original="后面的链接全部找出来，然后删除掉.jpg后面多余的部分即可。
实现起来也很容易，通过正则表达式全部匹配出来，再通过replace（）方法将多余部分喜欢掉即可。
通过正则匹配出来得到的图片链接如下：
然后，将链接尾部多余部分替换掉即可。
最后将所有的链接保存到本地即可。
第三步：完整代码。
搞定。文件已经按顺序保存到本地：
文章被以下专栏收录