正则表达式运用之小爬虫

获取某网站上的gif图片

 

# -*- coding:utf-8 -*-
#小爬虫
import re
import urllib

def getHtml(url):#该函数获取网页的html代码
    page = urllib.urlopen(url) #创建该网页的对象
    html = page.read() #读取网页的html源代码
    return html #返回源代码

def getImag(html):#该函数爬取图片
    reg = r'src="(http.*?\.gif)"' #根据该网页中图片的地址规律编写正则表达式，把所有图片的地址过滤出来
    imgre = re.compile(reg) #编译生成对象，方便使用
    imglist = re.findall(imgre,html) #调用imgre获取所有图片的地址
    #print imglist
    x = 0
    for imgurl in imglist: #依次根据列表里的每一个地址下载图片，并以gif的后缀保存
        urllib.urlretrieve(imgurl,'%s.gif' % x)
        x += 1


html = getHtml("http://www.hanzhong123.com/forum/thread-10208862-1-1.html")
getImag(html) #文件保存在该执行文件的同一目录下

结果：