Python爬虫实战一之爬取百度贴吧中图片

1、首先分析百度贴吧下的url与源码

例如：https://tieba.baidu.com/p/5185002863?pn=1

url：https://tieba.baidu.com/p/5185002863?pn=1

其中pn=1中的1是一个变量：当前的第几页

图片的源代码：提前部分，如：src="https://imgsa.baidu.com/forum/w=580/sign=5f3f2a90753e6709be0045f70bc69fb8/61310a55b319ebc44ffca02e8826cffc1f171685.jpg"，这样的话，需要提取这个图标的url才能找到这个图片，然后存储起来

通过正则匹配：src=\"(https://[\w\=\/\%\.]+\.jpg)\"

2、源代码如下

#encoding:utf-8

import urllib import urllib2 import re

if __name__ == '__main__':     #总页数     pagenum=6     #贴吧的url     url="https://tieba.baidu.com/p/5185002863?pn="     #计数器或者图片记录个数     x=0     for i in range(1,pagenum+1):         #获取url的请求         request=urllib2.Request(url+str(i))         #获取url的响应         response=urllib2.urlopen(request)         #获取url对应的源代码html         html=response.read()         #从html源码中提取想要图片对应的正则表达式         reg="src=\"(https://[\w\=\/\%\.]+\.jpg)\""         imgre=re.compile(reg)         imglist=re.findall(imgre,html)         for img in imglist:             print img             urllib.urlretrieve(img, 'E:\pic\%s.jpg'% x)

            x+=1

3、执行结果