python实现简单爬虫--爬图片

首先有两个功能需求：

第一：获取到要爬的页面html内容；

第二：使用正则表达式进行匹配并进行保存到本地。

#!/usr/bin/env python
#encoding:utf-8
import urllib
import re
def getHtml(url):
    ‘‘‘获取到url的html内容‘‘‘
    page = urllib.urlopen(url)
    html = page.read()
    return html
html1 = getHtml(‘http://image.baidu.com/search/index?tn=baiduimage&ct=201326592&lm=-1&cl=2&ie=gbk&word=%C3%C0%C5%AE&ala=1&fr=ala&alatpl=cover&pos=0‘)
# print html1
# print re.findall(r‘"objURL":"(.+?\.jpg)"‘,html1)
def downloadImg(html1):
    ‘‘‘下载页面里的jpg图片‘‘‘
    reg = r‘"objURL":"(.+?\.jpg)"‘
    #预编译正则表达式提高运行速度
    imgreg = re.compile(reg)
    urllist = re.findall(imgreg,html1)
    num = 0
    #for循环遍历下载每个图片
    for i in urllist:
        urllib.urlretrieve(i,‘%s.jpg‘ % num)
        num+=1
downloadImg(html1)