Webページ内の画像をダウンロードするPythonスクリプト

Pythonで特定のWebページ内に含まれる画像をダウンロードするスクリプトを書いてみました。

前まではPythonはあまり好きじゃなかったんですが、最近卒業研究で必要に迫られて使う内にPythonの便利さや良さが分かって来ました。

これで2次画像やエロ画像を右クリックで延々と保存し続けることなく済みそうです(むしろなぜ今までそんな無駄なことをやっていたのか疑問)。このスクリプトを元にもっと簡単に使えるようにwxPythonを使ったGUIアプリケーションを作ろうと思います。

ソースコードは以下です。URL部分は各自で書き換える必要があります。

#!/usr/bin/python
#-*- coding:utf-8 -*-

# パッケージのimport
import os
import sys
import re
import urllib2


# 変数
url      = "WebページのURL"				# WebページのURL
title    = ""						# Webページのタイトル
img_tag  = []						# imgタグのリスト
img_url  = []						# 画像URLのリスト
img_path = os.getcwd() + "/downloads"			# ダウンロードした画像の保存パス

# 正規表現
pat_title  = re.compile('<title>(.*?)</title>')		# ページタイトルを抜き出す
pat_a1     = re.compile('<a[\s]*href[\s]*=.*?>')	# aタグを抜き出す
pat_a2     = re.compile('href[\s]*="(.*?)"')		# URL先を抜き出す
pat_img1   = re.compile('<img[\s]*src[\s]*=.*?>')	# imgタグを抜き出す
pat_img2   = re.compile('src[\s]*="(.*?)"')		# 画像元URLを抜き出す
pat_img3   = re.compile('.+/(.*)')			# 画像ファイル名をURLから決定
img_format = [".jpg", ".png", ".gif", ".bmp"]		# 画像ファイル形式

# 関数定義
# 画像をダウンロードする関数
def image_download(url, output):
	opener = urllib2.build_opener()
	req = urllib2.Request(url, headers={'User-Agent' : "Magic Browser"})
	img_file = open(output, 'wb')
	img_file.write(opener.open(req).read())
	img_file.close()



"""
これ以降はHTMLページの取得画像のダウンロード処理
"""

# HTMLページを取得しリストに格納
req = urllib2.Request(url, headers={'User-Agent' : "Magic Browser"})
con = urllib2.urlopen(req)
html = con.read()

# ページタイトルを取得
m = pat_title.search(html)
title = m.group(1)

# 画像をダウンロードするディレクトリ名
dl_path = img_path + "/" + title

# ページタイトルと同名のディレクトリを作成する
if not os.path.exists(dl_path):
	os.makedirs(dl_path)

# ディレクトリ権限の変更
os.chmod(img_path, 0777)
os.chmod(dl_path, 0777)

# 正規表現を利用してaタグ, imgタグを抜き出してリストに格納
a_tag   = pat_a1.findall(html)
img_tag = pat_img1.findall(html)

# aタグのリストから画像のURLを抜き出す
for i in a_tag:
	# URLを抜き出す
	m = pat_a2.search(i)
	
	# 取得オブジェクトがNoneでない場合に処理を行う
	if not m is None:
		# URLの取得
		tmp = m.group(1)
		
		# 画像フォーマットが一致すればリストに追加
		for j in img_format:
			if tmp.find(j) > -1:
				img_url.append(tmp)
				break


# imgタグのリストから画像のURLを抜き出す
for i in img_tag:
	# URLを抜き出す
	m = pat_img2.search(i)

	# 取得オブジェクトがNoneでない場合に処理を行う
	if not m is None:
		tmp = m.group(1)
	
		# 画像フォーマットが一致すればリストに追加
		for j in img_format:
			if tmp.find(j) > -1:
				img_url.append(tmp)
				break


# 画像URLのリストから実際の画像をダウンロードする
for i in img_url:
	# 画像ファイル名を決定
	m = pat_img3.search(i)
	name = m.group(1)
	output = dl_path + "/" + name
	
	# 画像のダウンロード
	image_download(i, output)