python写网络爬虫

#!/usr/bin/evn python

-- coding: cp936 --

import re #导入正则表达式模块 import urllib #导入urllib模块，读取页面与下载页面需要用到 def getHtml(url): #定义getHtml()函数，用来获取页面源代码 page = urllib.urlopen(url) #urlopen()根据url来获取页面源代码 html = page.read() #从获取的对象中读取内容 return html def getImage(html): #定义getImage()函数，用来获取图片地址并下载 reg = r'src="(.*?.jpg)" width' #定义匹配图片地址的url的正则表达式 imgre = re.compile(reg) #对正则表达式进行编译，运行效率更高 imagelist = imgre.findall(html) #使用findall()查找html中匹配正则表达式的图片url x = 0 for imageurl in imagelist: urllib.urlretrieve(imageurl,'picture_%s.jpg' % x) #urlretrieve()下载文件 x +=1 uri = raw_input("请输入网址： ") r = r'^http://' if re.match(r,uri): html2 = getHtml(uri) else: html2 = getHtml("http://" + uri) getImage(html2) 运行脚本test.py