在python3版本使用urllib做爬虫实例遇到的问题

本文主要实现一个简单的爬虫，目的是从一个百度贴吧页面下载图片。下载图片的步骤如下：

1、获取网页html文本内容；
2、分析html中图片的html标签特征，用正则解析出所有的图片url链接列表；
3、根据图片的url链接列表将图片下载到本地文件夹中。

#!/usr/bin/python
# coding:utf-8
# 实现一个简单的爬虫，爬取百度贴吧图片
import urllib
import re

# 根据url获取网页html内容
def getHtmlContent(url):
    page = urllib.urlopen(url)
    return page.read()

# 从html中解析出所有jpg图片的url
# 百度贴吧html中jpg图片的url格式为：<img ... src="XXX.jpg" width=...>
def getJPGs(html):
    # 解析jpg图片url的正则
    jpgReg = re.compile(r'<img.+?src="(.+?\.jpg)" width')  # 注：这里最后加一个'width'是为了提高匹配精确度
    # 解析出jpg的url列表
    jpgs = re.findall(jpgReg,html)

    return jpgs

# 用图片url下载图片并保存成制定文件名
def downloadJPG(imgUrl,fileName):
    urllib.urlretrieve(imgUrl,fileName)

# 批量下载图片，默认保存到当前目录下
def batchDownloadJPGs(imgUrls,path = './'):
    # 用于给图片命名
    count = 1
    for url in imgUrls:
        downloadJPG(url,''.join([path,'{0}.jpg'.format(count)]))
        count = count + 1

# 封装：从百度贴吧网页下载图片
def download(url):
    html = getHtmlContent(url)
    jpgs = getJPGs(html)
    batchDownloadJPGs(jpgs)

def main():
    url = 'http://tieba.baidu.com/p/2256306796'
    download(url)

if __name__ == '__main__':
    main()

在 python3是运行这段爬虫代码遇到无法执行的问题

问题一：AttributeError: module 'urllib' has no attribute 'urlopen'和AttributeError: module 'urllib' has no attribute 'urlretrieve'

解决办法：通过网上查看在python3版本与python2使用urllib确实存在差异，在python3版本需要使用urllib.request，解决方法就是把代码中使用的urllib统一使用urllib.request。代码修改如下:
import urllib.requst
    page = urllib.requst.urlopen(url)
    urllib.requst.urlretrieve(imgUrl,fileName)

问题二：TypeError: cannot use a string pattern on a bytes-like object

出错的代码分析jpgs = re.findall(jpgReg,html)函数返回的是bytes，而不是string，所以这里报类型错误。

解决方法是：把’html’类型调整一下：html.decode(‘utf-8’)

    # 解析出jpg的url列表
    jpgs = re.findall(jpgReg,html)