在Python中使用正则表达式,一个小小的爬虫,抓取百科词条网页的jpg图片。下面就是我的代码,作为参考:
#coding=utf-8 # __author__ = 'Hinfa' import re import os from urllib import request as req url='https://baike.baidu.com/item/%E5%B9%BF%E5%B7%9E/72101?fr=aladdin' path='Test//jpg' os.mkdir(path) fo=open(path+'//filecatalog.txt','w+') fo.write('爬取jpg目录:') page=req.urlopen(url) html=page.read().decode('utf-8') jpgre=re.compile(r'https.*?\.jpg') jpglist=re.findall(jpgre,html) i=0 for jpg in jpglist: jpg=re.sub(r'\\\/','/',jpg) print(jpg) filepath=path+'//%d.jpg'%i fo.write('\n'+jpg) req.urlretrieve(jpg,filepath) i+=1 fo.write('\n'+'爬取共计'+str(i)+'个') fo.flush() fo.close()
程序运行结果:
然后打开目录文件里生成的filecatalog.txt文件,爬取的内容如下:
目录地址下载的图片:
第一次爬虫,很兴奋,也觉得很神奇:-)