Python实现简单的网络爬虫

#coding=utf-8
import urllib
import re

def getHtml(url):
    page = urllib.urlopen(url)
    html = page.read()
    return html

def getImg(html):
    reg = r'src="(.+?\.jpg)" pic_ext'
    imgre = re.compile(reg)
    imglist = re.findall(imgre,html)
    x = 0
    for imgurl in imglist:
        urllib.urlretrieve(imgurl,'%s.jpg' % x)
        x+=1


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

print getImg(html)

　   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。

       urllib.urlretrieve()方法，直接将远程数据下载到本地。