好不容易盼來(lái)三天假，于是我在家蹲著coding啦。

這一次課堂，我主要了解兩個(gè)知識(shí)點(diǎn)：1、利用urllib抓取網(wǎng)頁(yè)；2利用正則表達(dá)式獲取網(wǎng)頁(yè)中需要的內(nèi)容。

第一個(gè)練習(xí)做的比較順利，代碼如下：
'''
import urllib.request
import re
page = urllib.request.urlopen('https://tieba.baidu.com/p/3205263090')

print(page.read())

html = page.read()
html = html.decode('UTF-8')

src="([.\S].jpg)" pic_ext="jpeg"

reg = r'src="([.\S].jpg)" pic_ext="jpeg"'
imgurls = re.findall(reg, html) #匹配出所有url

x=1

遍歷

for imgurl in imgurls:
print (imgurl)
urllib.request.urlretrieve(imgurl,"E:/pycharmproject/pachongtest/%s.jpg"%x)
print("downloading pic %d"%x)
x+=1
'''

第二個(gè)練習(xí)遇到了困難。運(yùn)行完畢后報(bào)“url錯(cuò)誤”，我將url打印出來(lái)后發(fā)現(xiàn)是這樣的：
“//hbimg.b0.upaiyun.com/654953460733026a7ef6e101404055627ad51784a95c-B6OFs4_sq75sf”，試著更換正則表達(dá)式，得到的url還是這樣的，最后沒(méi)有辦法，手動(dòng)的在獲取的每個(gè)url上加了一個(gè)http:，于是圖片都能保存了。代碼如下：
'''
import urllib.request
import re
page = urllib.request.urlopen('http://huaban.com/pins/1120072731/')
html = page.read()
html = html.decode('UTF-8')
print(html)

reg = r'<img src="([.\S])"'
imgurls = re.findall(reg, html) #匹配出所有url

x=1

遍歷

for imgurl in imgurls:

 imgurl='http:'+imgurl
 print(imgurl)
 urllib.request.urlretrieve(imgurl,"E:/pycharmproject/pachongtest/%s.jpg"%x)
 print("downloading pic %d"%x)
 x+=1

'''

另外，因?yàn)殚_(kāi)始是在OSX上寫(xiě)的，環(huán)境是python2.7，這兩天換到臺(tái)式機(jī)上，裝的python3.6，發(fā)現(xiàn)語(yǔ)法什么的還是有很多不一樣，兩邊的代碼放到對(duì)方那不一定能正確運(yùn)行。