下载保存图片

今天要下载很多张图片，手动麻烦，于是写了个小程序。期间遇到不少问题。

最主要的一个是，访问某些网页会返回403 Forbidden，后来在加入了header信息之后得到解决。记录下。

这里用到了正则，urllib网页编程等知识。好久没用了，算是复习。

 

代码

   
   

    
    #
    
     -*- encoding:UTF-8 -*-
    
    

    
    

    
    import
    
     re,urllib2


    
    def
    
     getPage(url):
 
    
    '''
    
    下载文件html代码，找出一楼的核心代码
    
    '''
    
    
 opener 
    
    =
    
     urllib2.build_opener()
 
    
    #
    
    不加头信息则出现403错误和乱码
    
    

    
     opener.addheaders 
    
    =
    
     [(
    
    '
    
    User-agent
    
    '
    
    , 
    
    '
    
    Mozilla/5.0
    
    '
    
    )];
 htmlAll 
    
    =
    
     opener.open( url ).read()
 reg1Floor 
    
    =
    
     
    
    '
    
    <div class="msgfont">(.*?)</div>
    
    '
    
    
 html 
    
    =
    
     re.search(reg1Floor,htmlAll)
 html 
    
    =
    
     html.group()
 
    
    #
    
    文件保存编码和文件编辑编码都是utf-8，所以decode一次，不然会出现乱码，但是不影响结果。
    
    

    
     
    
    return
    
     html.decode(
    
    '
    
    utf-8
    
    '
    
    )


    
    def
    
     getImg(url):
 
    
    '''
    
    从核心代码中照图图片地址，并且下载保存、命名
    
    '''
    
    
 regImg 
    
    =
    
     
    
    '
    
    <img src="(.*?)" alt="" />
    
    '
    
    
 dir 
    
    =
    
     
    
    '
    
    F:\\My_Document\\Desktop\\temp\\
    
    '
    
    
 pageHtml 
    
    =
    
     getPage(url)
 
    
    #
    
    找到所有图片地址
    
    

    
     imglist 
    
    =
    
     re.findall(regImg,pageHtml)
 
    
    #
    
    print imglist
    
    

    
     
    
    for
    
     index 
    
    in
    
     xrange(
    
    1
    
    ,len(imglist)
    
    +
    
    1
    
    ):
 finename 
    
    =
    
     dir 
    
    +
    
     str(index) 
    
    +
    
     
    
    '
    
    .jpg
    
    '
    
    
 urllib.urlretrieve(imglist[index
    
    -
    
    1
    
    ], finename)
 
    
    print
    
     finename 
    
    +
    
     
    
    '
    
     ok!
    
    '
    
    
 


    
    if
    
     
    
    __name__
    
     
    
    ==
    
     
    
    '
    
    __main__
    
    '
    
    :
 getImg(
    
    '
    
    http://topic.csdn.net/u/20101013/11/024465A6-8E16-444C-9A09-DD374D29044C.html
    
    '
    
    )