python爬取百度贴吧图片

首先需要导入request和re模块，这里要用到正则表达式对所要查找的图片进行匹配。本例是爬取百度贴吧杰森斯坦森的图片。

打开百度贴吧，输入杰森斯坦森，点开某一个标题后右击鼠标审查元素，查找所要匹配的字符，如下所示：

这里任何一个<img class……>都对应网页上相应的图片，找到你想爬取的图片，将相应的<img class……>复制下来，当然如果全部复制下来显得太过繁琐，也没有必要，真正需要的是img class的类名，以及字符串scr的内容，至于size、heigtht、width等如果有要求的话可以写在正则表达式中（例如，你就想爬取某一个图片，而不是此网页的所有图片）。

此时正则表达式就可以写成以上的形式。[^"]匹配除了双引号以外所有字符，既可以出现0次也可以出现1次。这里写成了src"( )"的形式是因为后面要用到findall进行匹配，如果不加括号，findall最后会返回包括前面匹配到的<img class……>的所有内容，然而最后我们只要相应图片的url，否则无法访问你所要查找的图片。如果在正则表达式中有子组，那么findall匹配完了后会返回子组的内容，而不是所有内容。

这是正则表达式中没有子组的输出结果。

这是有子组的输出结果。显然上图才是我们想要的！（我所打开的标题网页中只有杰森的五张图片，所以最后会显示五个url）

这里定义了一个匹配、获取、下载图片的函数，将解码好的网页字符串html作为findall的第二个参数,在其中匹配定义好的正则表达式p。再利用for循环迭代操作本文第五张图所获得的url，分别将它们按/符号分隔开来（调用了split()函数，原型为split(pattern,string,maxsplit=0,flags=0),以出现的pattern模式拆分string字符串），拆分之后获取最后一部分（图片文件名需以.jpg为后缀）。函数urlretrieve（url,filename=None,reporthook=None,data=None）是request模块的，是将由url表示的网络对象复制到本地文件中。编写好程序后执行，命令窗口会什么都不显示，然后打开本地文件就会看到五张杰森的图片爬取成功！