python笔记－爬虫

 - 正则表达式
 
 ref: https://www.cnblogs.com/chuxiuhong/p/5885073.html

 - 爬图片
ref: http://blog.csdn.net/dnxbjyj/article/details/70236332

更新了一下代码版本，删去了函数调取。

```
# 1. urllib+re实现
import urllib.request
import re

#网址
url = 'http://tieba.baidu.com/p/2256306796'

#根据url获取网页html内容
page = urllib.request.urlopen(url)
html=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=...>
# 解析jpg图片url的正则，从<img开始找，包括src，到width>为止
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.decode('utf-8'))

# 封装：从百度贴吧网页下载图片
# 批量下载图片，默认保存到目录path下
path = '/Users/vicky/Documents/code/python/scrapy/'
# 用于给图片命名
count = 1
for url in jpgs:
    # 用图片url下载图片并保存成制定文件名
    urllib.request.urlretrieve(url,''.join([path,'{0}.jpg'.format(count)]))
    count = count + 1
```