python爬虫实战小项目
本文所讲的爬虫实战属于基础、入门级别，使用的是python2.7实现的。
爬虫原理和思想
本项目实现的基本目标：在捧腹网中，把搞笑的图片都爬下来，注意不需要爬取头像的图片，同时，将图片命好名放在当前的img文件中。
爬虫原理和思想
爬虫，就是从网页中爬取自己所需要的东西，如文字、图片、视频等，这样，我们就需要读取网页，然后获取网页源代码，然后从源代码中用正则表达式进行匹配，最后把匹配成功的信息存入相关文档中。这就是爬虫的简单原理。
思想步骤：
读取网页并获取源代码，使用urllib.urlopen().read() ——> 使用正则表达式进行匹配，匹配图片的名称re.compile() re.findall() ——> 匹配图片地址——>将匹配的信息下载保存 urllib.urlretrieve()
爬虫涉及到额度基本知识
1 导入库/模块
import urllib ,re ,sys
注：该项目使用的是python的自带库，不需要另外下载
2 urllib.urlopen()的使用
该代码是用于读取网页
exp:
使用urllib.urlopen()打开捧腹网
使用read()读取，如网站比较庞大，也可以使用readline()按行读取
3 re.compile()和re.findall()
re.complie()的作用是把正则表达式编译成正则表达式对象，使其运行更有效率
re.findall()的作用是匹配信息，输入的是字符串，返回的是列表
爬虫实战
爬虫原理，思想，基本知识都理解以后，就开始实战了!
首先，编写打开网页并获取源码的函数page()
此处，编写函数，并测试其功能：
测试结果：
显然，成功获取网页源码。然后，编写匹配图片名称的函数。
注意：这里需要匹配到h1标签和a标签！当然这里使用的是懒惰匹配。
同理可得，同样需要匹配图片。
最后，需要把匹配好的信息下载保存
注：本人在该项目目录下，新建了一个文件夹img
把以上函数相结合，编写主程序，爬去1-6页的图片
最后，运行程序，
成功爬取图片!
程序成功运行后，本人感觉只是爬取静态图不够过瘾，感觉捧腹网的动图才比较有趣，所以尝试修改程序。
修改的地方有两个，一个是content()函数中的匹配，一个是download()函数的保存文件格式
测试结果：
测试成功，成功将gif文件下载