Hi, I'm back.
寒假在家只有一台筆記本，也懶得把台式機上的鍵盤拆下來用，因此編程被我暫時擱置，轉而在網易雲課堂上學了一下Python。可惜的是雲課堂的Python教程是基於Python2.x，而且更加悲劇的是我在網上買的《Python核心編程》也是基於Python2.x的。而我本着學新不學舊的原則，腦子一抽安裝了Python3.4，導致我學着編寫示例代碼的時候總是小心翼翼生怕踩到雷區。不過私以為學2.x寫3.x等於是把兩個版本都學了一下，還是有點好處的。
回到學校之后學着視頻里寫了一個小腳本，功能很簡單，就是下載貼吧圖片帖內所有的圖片到指定的文件夾。先上代碼：
import re import urllib.request # ------ 獲取網頁源代碼的方法 ---
def getHtml(url): page = urllib.request.urlopen(url) html = page.read() return html # ------ getHtml()內輸入任意帖子的URL ------
html = getHtml("http://tieba.baidu.com/p/3205263090") # ------ 修改html對象內的字符編碼為UTF-8 ------
html = html.decode('UTF-8') # ------ 獲取帖子內所有圖片地址的方法 ------
def getImg(html): # ------ 利用正則表達式匹配網頁內容找到圖片地址 ------
reg = r'src="([.*\S]*\.jpg)" pic_ext="jpeg"' imgre = re.compile(reg); imglist = re.findall(imgre, html) return imglist imgList = getImg(html) imgName = 0 for imgPath in imgList: # ------ 這里最好使用異常處理及多線程編程方式 ------
f = open("pic/"+str(imgName)+".jpg", 'wb') f.write((urllib.request.urlopen(imgPath)).read()) f.close() imgName += 1
print("All Done!")
先總結一下在編寫過程中被“坑”的地方（Python：怪我咯？）
1.urllib在Python3.x中發生了改變，按照這份腳本來說，原本在urllib下的urlopen()方法現在在urllib.request下。
2.必須修改html對象內的字符編碼，因為獲取的字符都是以字節形式保存在對象中（因此圖片可以直接通過read()方法保存在文件中）。
3.正則表達式修改了好幾次，這個下面說。
4.Python中沒有i++這種寫法，所以"pic/"+str(++imgName)+".jpg"沒有效果。
（以下為廢話，如果你是百度這份代碼直接使用的話下面的內容可以忽略）
說一下和正則表達式“斗智斗勇”的過程。
貼吧中圖片標簽內是這么寫的
<img class="..." src="..." pic_ext="jpeg" ...>
一開始我的想法很簡單，正則表達式如下
reg = r'src="(.*\.jpg)" pic="jpeg"'
因為“.”這個元操作符會匹配換行符外所有字符，因此當爬到格式為png或者gif的圖片的時候也會匹配，差不多就是下面這種效果：
[..., 'http://.....png" ....... <src="...jpg"']
簡單來說就是會從無關圖片的“src”一直匹配到我需要下載的圖片的末尾“pic="jpeg"”
解決的辦法就是匹配到空格的時候就忽略，所以要將“.”和“\S”放在同一個字符類中，要么匹配除了空白符之外的所有字符，要么忽略。
小彩蛋時間，這是我下載到的所有圖片（逃
