Python之小測試：用正則表達式寫一個小爬蟲用於保存貼吧里的所有圖片

很簡單的兩步：

　　1、獲取網頁源代碼

　　2、利用正則表達式提取出圖片地址

　　3、下載

 

#!/usr/bin/python
#coding=utf8
import re       # 正則表達式
import urllib   # 獲取網頁源代碼

# 用正則表達式寫一個小爬蟲用於保存貼吧里的所有圖片

# 獲取網頁源代碼
def getHtml(url):
        page = urllib.urlopen(url)      # 打開url，返回頁面對象
        html = page.read()              # 讀取頁面源代碼
        return html

# 獲得圖片地址
def getImg(html):
        reg = r'src="(.*?\.jpg)" size="'        # 定義一個正則來匹配頁面當中的圖片
        imgre = re.compile(reg)         # 為了讓正則更快，給它來個編譯
        #這個時候做個測試，把匹配的數據都給打印出來
        imglist = re.findall(imgre, html)                       # 通過正則返回所有數據列表
        # 把這個地址一個一個的拿下來進行下載
        x = 0 
        for imgurl in imglist:
                urllib.urlretrieve(imgurl,'%s.jpg' % x)
                x+=1

html = getHtml("https://tieba.baidu.com/p/5154221980")
getImg(html)