Python匹配利器-正则表达式（附赠爬图小程序）

Python 2.7
IDE Pycharm5.0.3

当前几天我还在玩用str匹配字符串来爬图的时候，我是崩溃的，程序代码非常冗余，非常不优美，虽说str来匹配效率要比正则匹配高，但是，代码太长好难看啊，自从接触了正则表达式，麻麻再也不用担心我爬图了（捂脸）

---

正则表达式指南，很详细，没基础请从这里穿越过去–鸣谢AstralWind←←这个真的看好几遍都不厌，请给我点赞0.0

---

Python3正则表达式特殊符号及用法–鸣谢小甲鱼←←这个小甲鱼的系列视频和网站真的非常赞，坛里大神如云，详情鱼C工作室话说我给你做广告了0.0

---

精简版请戳这里，这里，这里–鸣谢廖雪峰一直默默奉献的雪峰大大，我对你的感激如滔滔江水延绵不绝，balabalabal。。。。

---

下面是正题啦，给个成果图：（音效师，开灯）

（看着这些succeed是不是很亦可赛艇？）

aa11e5dde71190ef2dc35db5c91b9d16fdfa6040.jpg download succeed
7c67fbf2b211931387b033da62380cd790238d89.jpg download succeed
d827918fa0ec08fa53c7dfcd5eee3d6d54fbdabd.jpg download succeed
2562f21fbe096b633e08223b0b338744ebf8ac68.jpg download succeed
f9acd43f8794a4c22e2d9b4009f41bd5ad6e3976.jpg download succeed
d827918fa0ec08fae35f6fcc5eee3d6d55fbda26.jpg download succeed

其实是个很简陋很简陋的程序，但是能实现功能，虽然我手头上有编好的比较健壮的程序，但是对于我们这种小白来说，搞清楚其中的核心程序，才是最重要的，其他什么用随机高匿代理ip，设置下载文件夹什么的，都是在这段核心代码基础上实现的，看懂这段，其余健壮的类似的代码相信很快就可以看懂了！
来人，上核心！！（灯光师，你明天不用来上班了）

# -*- coding: utf-8 -*-
import re
import urllib2
import urllib


def open_url(url):
    req = urllib2.Request(url)
    #先发请求
    req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36')
#这里每个人都不一样的，复制粘贴时候注意
#实在不知道自己的agent是啥，这句不加也可以，这是伪装成人类访问
    response = urllib2.urlopen(req)
    #打开请求过来的东西
    html = response.read().decode('utf-8')
    #用utf-8解码读出来
    return html


def get_img(html):
    p = r'<img class="BDE_Image" src="([^"]+\.jpg)"'
#正则表达式，如果细心看过上面的，这个应该可以理解

    imglist = re.findall(p,html)
#findall方法
    '''
    for each in imglist:
        print each
    #这个只是前期测试用的，看看能不能正常找到网址
    '''
    for each in imglist:
        filename = each.split("/")[-1]
        urllib.urlretrieve(each,filename)
        print '%s download succeed'%filename

if __name__ == '__main__':
    url = "http://tieba.baidu.com/p/4365239770"
#需要下载页的网址url，我这里用了贴吧的一个网页测试
    get_img(open_url(url))

解释我注释上都写差不多了；

---

然后惯例贴核心方法；

class urllib2.Request(url[, data][, headers][, origin_req_host][, unverifiable]) 

This class is an abstraction of a URL request.

就一句话解释了，会用就可以。

urllib2.urlopen(url[, data[, timeout[, cafile[, capath[, cadefault[, context]]]]]) 

Open the URL url, which can be either a string or a Request object

也是一句话，和上面的Request函数呼应，成对出现！
如果想要深究，这篇中文不错
urllib2使用总结

---

还有这个函数；
urllib.urlretrieve(url[,filename[,reporthook[, data]]])

Copy a network object denoted by a URL to a local file, if necessary. If the URL points to a local file, or a valid cached copy of the object exists, the object is not copied. Return a tuple (filename, headers)

英语二级水平即可读懂~
值得注意的是，urllib2和urllib的使用，在Python3中已经合并成一个了。。。。在import中也要注意把两个都导入吧！

---

为了防止小白走错路，这里贴一张怎么看规则的选择

点击图片右键，选择审查元素，然后可以看到图片的相关组成，然后就自己创立规则，在下载图片前，需要踩点，你可以看看你要下的图，是不是都是这类规则的，如果都是你创建规则的话，就会被匹配，这样就可以愉快的下图了呢！

---

哎，顺便把怎么看User-Agent也写着吧，谁叫我是好人呢。。。

在network中随便找个，然后上Headers，在Request Headers，点开右边view source，之后就能看到你的User-Agent了，我都帮你到这了，你只需要复制上自己的贴到对应的地方，即可实现抓图….如果还是不会，怎么办呢，还有一个方法~~~~***右键Python，选择卸载，点击确认*