使用正则表达式进行图片下载并匹配对应名称

使用正则表达式进行图片下载并匹配对应名称

正则表达式的相关知识可以在网上自行学习，本文仅供参考。
提到了一些初学者容易碰到的问题，希望有需要的人有所帮助

import re
import urllib.request
def craw(url,page):
    html1=urllib.request.urlopen(url).read().decode('utf-8')#不进行编码的话，爬取出来的都是乱码
    pattern1='<!--mydatastart-->.*?<!--mydataend-->'#.*?是懒惰模式，匹配到相应结尾则停止匹配
    result1=re.findall(pattern1,html1,re.S)
    result1=result1[0]#此处由于findall函数返回的是列表对象，所以要提取出来
    pattern2='https://up.enterdesk.com/edpic_360_360/.*?\.jpg'
    pattern3="[\u4e00-\u9fa5]{4,10}"#匹配长4，10的中文字符串
    imagename1=re.findall(pattern3,result1,re.S)#获取图片名字
    result2=re.findall(pattern2,result1,re.S)#获取图片链接
    imagename2=list(set(imagename1))
    imagename2.sort(key=imagename1.index)#将列表元素去重并保留原有序列
    imagelist=result2
    x=0
    for imageurl in imagelist:
        try:
            imagepath = 'D:\照片\%s.jpg' % imagename2[x]
            urllib.request.urlretrieve(imageurl,filename=imagepath)
        except urllib.error.URLError:
            print('出错啦')
            x+=1
        except IndexError:
            print('-----结束啦-----')
        x+=1
for i in range(1,2):
    url='https://tu.enterdesk.com/zhiwu/%d.html'%i#仅下载一页内容作为示范
    page=i
    craw(url,page)