Python正则表达式练习

最新推荐文章于 2025-09-11 21:03:21 发布

转载最新推荐文章于 2025-09-11 21:03:21 发布 · 66 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/zaorunzi/p/9390186.html

文章标签：

#python

本文介绍了一种使用Python爬取慕课网上课程图片的方法。通过urllib2请求网页内容，并利用正则表达式匹配图片URL，最后将图片保存到本地。此教程适用于初学者了解基本的网页爬虫实现。

爬取慕课课程图片https://www.imooc.com/course/list

图片url

In [13]: import urllib2

In [14]: req = urllib2.urlopen('https://www.imooc.com/course/list')

In [17]: listurl = re.findall(r'src=.+//(.+\.jpg)',buf)

In [18]: listurl
Out[18]: 
['img1.mukewang.com/529dc3380001379906000338-240-135.jpg',
 'img2.mukewang.com/57035ff200014b8a06000338-240-135.jpg',
 'img.mukewang.com/574669dc0001993606000338-240-135.jpg',
 'img2.mukewang.com/53e1d0470001ad1e06000338-240-135.jpg',
 'img3.mukewang.com/53a28e960001311b06000338-240-135.jpg',
 'img3.mukewang.com/540e57300001d6d906000338-240-135.jpg',
 'img4.mukewang.com/5b5b00d10001d05205400300-240-135.jpg',
 'img1.mukewang.com/5b56e2ab000194d806000338-240-135.jpg',
 'img1.mukewang.com/5b55b3f400017b9906000338-240-135.jpg',
 'img.mukewang.com/5b4ed6590001d9ee06000338-240-135.jpg',
 'img2.mukewang.com/5b4705c90001fc9506000338-240-135.jpg',
 'img1.mukewang.com/5b470bfe0001cdbf06000338-240-135.jpg',
 'img.mukewang.com/5b4863e40001a8c506000338-240-135.jpg',
 'img4.mukewang.com/5b33637d00016cbe05400300-240-135.jpg',
 'img3.mukewang.com/5b3dec540001278406000338-240-135.jpg',
 'img3.mukewang.com/5b20d7dd000124da06000338-240-135.jpg',
 'img3.mukewang.com/5b14f0d3000189d206000338-240-135.jpg',
 'img4.mukewang.com/5b39ca9100014d8605400300-240-135.jpg',
 'img3.mukewang.com/5b5188020001677306000338-240-135.jpg',
 'img2.mukewang.com/5b1e49640001904606000338-240-135.jpg',
 'img1.mukewang.com/5b3061210001550306000338-240-135.jpg',
 'img3.mukewang.com/5b289bbe0001fc4906000338-240-135.jpg',
 'img2.mukewang.com/5b14e8310001197706000338-240-135.jpg',
 'img1.mukewang.com/5b28da010001930906000338-240-135.jpg',
 'img4.mukewang.com/5b2218750001370806000338-240-135.jpg',
 'img4.mukewang.com/5b1f61150001a20905400300-240-135.jpg',
 'img.mukewang.com/5b1e0cfc0001ef7b06000338-240-135.jpg',
 'img3.mukewang.com/5b1dd1fa0001b70d06000338-240-135.jpg',
 'img1.mukewang.com/5b14d44b00014f9606000338-240-135.jpg',
 'img4.mukewang.com/5b14b0480001672706000338-240-135.jpg']


In [28]: for url in listurl:
                f = open(str(i)+'.jpg','w')
                req = urllib2.urlopen('http://'+url)
                buf = req.read()
                f.write(buf)
                i+=1