python写网络爬虫-- coding: cp936 --

#!/usr/bin/evn python

import re #导入正则表达式模块

import urllib #导入urllib模块，读取页面与下载页面需要用到

def getHtml(url): #定义getHtml()函数，用来获取页面源代码

page = urllib.urlopen(url) #urlopen()根据url来获取页面源代码

html = page.read() #从获取的对象中读取内容

return html

def getImage(html): #定义getImage()函数，用来获取图片地址并下载

reg = r'src="(.*?.jpg)" width' #定义匹配图片地址的url的正则表达式

imgre = re.compile(reg) #对正则表达式进行编译，运行效率更高

imagelist = imgre.findall(html) #使用findall()查找html中匹配正则表达式的图片url

x = 0

for imageurl in imagelist:

urllib.urlretrieve(imageurl,'picture_%s.jpg' % x) #urlretrieve()下载文件

x +=1

uri = raw_input("请输入网址： ")

r = r'^http://'

if re.match(r,uri):

html2 = getHtml(uri)

else:

html2 = getHtml("http://" + uri)

getImage(html2)

运行脚本test.py

 本文转自 技术花妞妞 51CTO博客，原文链接:http://blog.51cto.com/xiaogongju/2061744