python爬虫学习之路正式开始二

Python 提供了非常强大的正则表达式，我们需要先要了解一点python 正则表达式的知识才行。

http://www.cnblogs.com/fnng/archive/2013/05/20/3089816.html

假如我们百度贴吧找到了几张漂亮的壁纸，通过到前段查看工具。找到了图片的地址，如：src=”http://imgsrc.baidu.com/forum......jpg”pic_ext=”jpeg”

我们又创建了getImg()函数，用于在获取的整个页面中筛选需要的图片连接。re模块主要包含了正则表达式：

re.compile() 可以把正则表达式编译成一个正则表达式对象.

re.findall() 方法读取html 中包含 imgre（正则表达式）的数据。

运行脚本将得到整个页面中包含图片的URL地址

把筛选的图片地址通过for循环遍历并保存到本地，代码如下：

#coding=utf-8

import urllib.request

import re

def getHtml(url):

    page = urllib.request.urlopen(url)   

html = page.read()   

return htmldef

getImg(html): 

  reg = r'src="(.+?\.jpg)" pic_ext'   

imgre = re.compile(reg) 

  html = html.decode('utf-8'); 

  imglist = re.findall(imgre,html)   

   x = 0 

  for imgurl in imglist:   

    urllib.request.urlretrieve(imgurl,'%s.jpg' % x)     

  x+=1 

  return html

html = getHtml("http://tieba.baidu.com/p/2460150866");

print (getImg(html));