爬虫-01

今天刚稍微学了点python，找了个简单的爬虫学习一下。
这个是简单爬取贴吧帖子图片的一个小内容，主要就是获取网址，得到源码，找出其中的图片链接，并下载。
接下来，正文：

coding:utf-8

import urllib
import re

page = urllib.urlopen(‘http://tieba.baidu.com/p/1753935195’)

htmlcode = page.read()

print htmlcode

def get_html(url):
page = urllib.urlopen(url)
html = page.read()
return html

def get_img(html_code):
reg = r’src="(.+?.jpg)" width’
reg_img = re.compile(reg) #编译一下，运行更快
imglist = reg_img.findall(get_html(‘http://tieba.baidu.com/p/1753935195’))
img_count = 0
for img in imglist:
urllib.urlretrieve(img, ‘img/%s.jpg’ %img_count)
img_count += 1

print u’请输入url：’
url = raw_input()
if url:
pass
else:
url = ‘http://tieba.baidu.com/p/1753935195’
html_code = get_html(url)
get_img(html_code)