在python3版本使用urllib做爬虫实例遇到的问题
本文主要实现一个简单的爬虫，目的是从一个百度贴吧页面下载图片。下载图片的步骤如下：
1、获取网页html文本内容；
2、分析html中图片的html标签特征，用正则解析出所有的图片url链接列表；
3、根据图片的url链接列表将图片下载到本地文件夹中。
#!/usr/bin/python
# coding:utf-8
# 实现一个简单的爬虫，爬取百度贴吧图片
import urllib
import re
# 根据url获取网页html内容
def getHtmlContent(url):
page = urllib.urlopen(url)
return page.read()
# 从html中解析出所有jpg图片的url
# 百度贴吧html中jpg图片的url格式为：
def getJPGs(html):
# 解析jpg图片url的正则
jpgReg = re.compile(r'在 python3是运行这段爬虫代码遇到无法执行的问题
问题一：AttributeError: module 'urllib' has no attribute 'urlopen'和AttributeError: module 'urllib' has no attribute 'urlretrieve'
解决办法：通过网上查看在python3版本与python2使用urllib确实存在差异，在python3版本需要使用urllib.request，解决方法就是把代码中使用的urllib统一使用urllib.request。代码修改如下:
import urllib.requst
page = urllib.requst.urlopen(url)
urllib.requst.urlretrieve(imgUrl,fileName)
问题二：TypeError: cannot use a string pattern on a bytes-like object
出错的代码分析jpgs = re.findall(jpgReg,html)函数返回的是bytes，而不是string，所以这里报类型错误。
解决方法是：把’html’类型调整一下：html.decode(‘utf-8’)
# 解析出jpg的url列表
jpgs = re.findall(jpgReg,html)