【爬虫一】urllib库使用

---

---

本篇为基础爬虫的模板，使用urllib库。
代码功能：爬取百度贴吧的图片。
代码如下：

import re
import urllib

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


def getImg(html):
    reg=r'src="(.+?\.jpg)" size='
    imgre=re.compile(reg)
    imglist=re.findall(imgre,html)
    x=0
    for imgurl in imglist:
        urllib.urlretrieve(imgurl,'%s.jpg'%x)    #urllib.urlretrieve()方法，直接将远程数据下载到本地。
        x+=1


name='http://tieba.baidu.com/p/4859088308'
html=getHtml(name)
getImg(html)
print 'DONE!'

注释：

1、re是正则库，详细可看
http://www.cnblogs.com/fnng/archive/2013/05/20/3089816.html

---

---