python爬虫数据-下载图片经典案例

'''
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。
'''

# 筛选页面中想要的数据

import re
import urllib.request
def getHtml(url):
  page =   urllib.request.urlopen(url)
  html = page.read()
  html = html.decode('utf-8')
   #TypeError: cannot use a string pattern on a bytes-like object
  return html

# 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。
def getImg(html):
    reg = r'src="(.+?\.jpg)" pic_ext'
    imgre = re.compile(reg)
    imglist = re.findall(imgre,html)
    return imglist

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

# 把图片地址通过for循环遍历并保存在本地，如下所示：
List = getImg(html)
x=0
for imgurl in List:
    urllib.request.urlretrieve(imgurl,'D:\img\%s.jpg' % x)
    x+=1
    # print(x)