爬取百度贴吧的图片

分析贴吧源代码，图片所在位置是：<img class="" src=“。。。。。。。.jpg” pic_ext。。。。。

所以正则匹配是：

r'BDE_Image" src="(.+?\.jpg)" pic_ext'

（注：?表示懒惰匹配，如果不加?会造成匹配到一个"" src=“起始到网页最后一个pic_ext结束的一个串。

           ()表示所要提取的字符串，即。。。。.jpg

）

代码如下：

#!usr/bin/env python# coding: utf-8import osimport reimport urllibdef getHtml(url):    page = urllib.urlopen(url)    html = page.read()    page.close()    return htmldef getImages(html):    reg = r'BDE_Image" src="(.+?\.jpg)" pic_ext'    imgre =  re.compile(reg)    imgList = imgre.findall(html)    print 'We have got %d pictures' % len(imgList)    path = './download'    x = 0    for imgurl in imgList:        FileName = os.path.join(path, '%s.jpg' % (x+1))        urllib.urlretrieve(imgurl,FileName)        print '%s.jpg is done.' % (x+1)        x = x + 1if __name__ == '__main__':    url = raw_input('input the URL:>')    html = getHtml(url)    getImages(html)

还是最为基础的功能。