Python爬虫学习笔记(1)：简单的图片爬取

引言：使用python编写简单的爬图片小程序

简单代码如下，要熟悉正则表达式的引用，懂得融汇贯通之后，可以爬网页上的其他内容，如新闻、评论等。

#coding=utf-8

#urllib模块提供了读取Web页面数据的接口
import urllib
#re模块主要包含了正则表达式
import re
#定义一个getHtml()函数
def getHtml(url):
    page = urllib.urlopen(url)  #urllib.urlopen()方法用于打开一个URL地址
    html = page.read() #read()方法用于读取URL上的数据
    html = html.decode('utf-8','ignore')
    return html

def getImg(html):

    a=html.split("<")

    b=""

    for i in a:

       b+=i+"\n"
    reg = r'src="(https.+?\.jpg)"'    #正则表达式，得到图片地址
    imgre = re.compile(reg)              #re.compile() 可以把正则表达式编译成一个正则表达式对象.
    imglist = re.findall(imgre,b)     #re.findall() 方法读取html 中包含 imgre（正则表达式）的数据
   
    
    #把筛选的图片地址通过for循环遍历并保存到本地
    #核心是urllib.urlretrieve()方法,直接将远程数据下载到本地，图片通过name依次递增命名
   
    name = 0
    for imgurl in imglist:
    urllib.urlretrieve(imgurl,'D:\picture\%s.jpg' % name)
            name+=1


html = getHtml("https://tieba.baidu.com/p/5089406810")
print getImg(html)