Python爬取百度贴吧图片

一、获取URL

　　Urllib 模块提供了读取web页面数据的接口，我们可以像读取本地文件一样读取www和ftp上的数据。首先，我们定义了一个getHtml()函数:

　　urllib.urlopen()方法用于打开一个URL地址。

　　read()方法用于读取URL上的数据，向getHtml()函数传递一个网址，并把整个页面下载下来。执行程序就会把整个网页打印输出。

二、查看图片地址

 

　　我们又创建了getImg()函数，用于在获取的整个页面中筛选需要的图片连接。re模块主要包含了正则表达式：

　　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。

　　下面是图片url。

三、保存数据到本地

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

def getImg(html):
    # 原来 pic-ext前面少了个空格打印出来 []
    reg = r'src="(.+?.jpg)" pic_ext'
    imgre = re.compile(reg)
    imglist = re.findall(imgre,html)
    x = 0
    for imgurl in imglist:
        urllib.urlretrieve(imgurl,'%d.jpg' %x)
        x+=1

html = getHtml("http://tieba.baidu.com/p/4058560157")

print getImg(html)

　　保存的图片在该py文件的桶一目录，如何设置其他保存路径呢，在urlretrieve的最后%x那设置，然后，我不知道怎么设置。