Python之小测试：用正则表达式写一个小爬虫用于保存贴吧里的所有图片

很简单的两步：

　　1、获取网页源代码

　　2、利用正则表达式提取出图片地址

　　3、下载

#!/usr/bin/python
#coding=utf8
import re       # 正则表达式
import urllib   # 获取网页源代码

# 用正则表达式写一个小爬虫用于保存贴吧里的所有图片

# 获取网页源代码
def getHtml(url):
        page = urllib.urlopen(url)      # 打开url，返回页面对象
        html = page.read()              # 读取页面源代码
        return html

# 获得图片地址
def getImg(html):
        reg = r'src="(.*?.jpg)" size="'        # 定义一个正则来匹配页面当中的图片
        imgre = re.compile(reg)         # 为了让正则更快，给它来个编译
        #这个时候做个测试，把匹配的数据都给打印出来
        imglist = re.findall(imgre, html)                       # 通过正则返回所有数据列表
        # 把这个地址一个一个的拿下来进行下载
        x = 0 
        for imgurl in imglist:
                urllib.urlretrieve(imgurl,'%s.jpg' % x)
                x+=1

html = getHtml("https://tieba.baidu.com/p/5154221980")
getImg(html)