用正则表达式抓取网页图片

步骤：

1.先把某个网页源码手动保存到本地一个文本文件；（暂时，以后想想怎么更加智能化）

2.利用正则表达式匹配html中的img 标签，并从分组中提取出链接并存为list；

3.下载图片到制定文件夹。

import re
import io
import urllib.request
str=[]
try:
    f = open(r'F:\\Python\\test.txt', 'r')
    str=f.read()
except IOError as e:
    print(e)
finally:
    f.close()
#print(str)
pa = re.compile(r'<img.*?src="(.*?\.(?:jpg|jpeg|gif|bmp|png))"')
photo_link=[]
obj=re.findall(pa,str)
img=[]
for x in range(0,len(obj)):
    print("第 %d 条图片连接:%s" %(x,obj[x]))
    response = urllib.request.urlopen(obj[x])
    img.append(response.read())
    with open(r'F:\\img\\%d.jpg' %(x+1), 'wb') as f:
        f.write(img[x])

尚待解决的问题：

1.html文件编码问题，以上程序得以运行，是因为直接手工复制网页源代码，并保存为文本文件，若直接从一个html文件中读取，尚未成功。

2.获得图片链接以后，如何进一步依据图片大小，原有html标签信息进行细化，存放入不同的文件目录，甚至数据库，还有待研究。