本文主要向大家介绍了如何用Python语言实现简单爬虫。通过具体的代码向大家展示，希望对大家学习Python语言有所帮助。

[python] view plain copy
1. import re  
2. import urllib.request  
3.   
4. def getHtml(url):  
5.     page = urllib.request.urlopen(url)  
6.     html = page.read()  
7.     html=html.decode()  
8.     return html  
9.   
10. def getImg(html):  
11.     reg = r'src="(.+?\.jpg)" pic_ext'  
12.     #re.compile() 可以把正则表达式编译成一个正则表达式对象.  
13.     imgre = re.compile(reg)  
14.     #re.findall() 方法读取html 中包含 imgre（正则表达式）的数据。  
15.     imglist = re.findall(imgre,html)  
16.     x = 0  
17.     for imgurl in imglist:  
18.         urllib.request.urlretrieve(imgurl,'%s.jpg' % x)  
19.         x+=1  
20.   
21. html = getHtml("//tieba.baidu.com/p/2460150866")  
22.   
23. print (getImg(html))

Urllib 模块提供了读取web页面数据的接口，我们可以像读取本地文件一样读取www和ftp上的数据。首先，我们定义了一个getHtml()函数:

urllib.request.urlopen()方法用于打开一个URL地址。

read()方法用于读取URL上的数据，向getHtml()函数传递一个网址，并把整个页面下载下来。执行程序就会把整个网页打印输出。

我们又创建了getImg()函数，用于在获取的整个页面中筛选需要的图片连接。re模块主要包含了正则表达式：

re.compile() 可以把正则表达式编译成一个正则表达式对象.

re.findall() 方法读取html 中包含 imgre（正则表达式）的数据。

 运行脚本将得到整个页面中包含图片的URL地址。

把筛选的图片地址通过for循环遍历并保存到本地

这里的核心是用到了urllib.urlretrieve()方法，直接将远程数据下载到本地。

通过一个for循环对获取的图片连接进行遍历，为了使图片的文件名看上去更规范，对其进行重命名，命名规则通过x变量加1。保存的位置默认为程序的存放目录。

程序运行完成，将在目录下看到下载到本地的文件。

以上就介绍了Python的相关知识，希望对Python有兴趣的朋友有所帮助。了解更多内容，请关注职坐标编程语言Python频道！