爬虫中的正则与re模块

今天的内容：

1：正则特殊字符

2：python re模块

3：实现百度爬虫

视频内源码如下：

#objURL

fromurllib.requestimport*

#这一步导入到开网址的函数

importre

#url = 'https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fr=&hs=0&xthttps=111111&sf=1&fmq=&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&word=TFBOYS&oq=TFBOYS&rsp=-1'

#url = 'https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1504857959439_R&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&ctd=1504857959439%5E00_1254X613&word=%E7%BE%8E%E5%A5%B3'

url ='https://image.baidu.com/search/index?tn=baiduimage&ipn=r&ct=201326592&cl=2&lm=-1&st=-1&fm=result&fr=&sf=1&fmq=1504858948695_R&pv=&ic=0&nc=1&z=&se=1&showtab=0&fb=0&width=&height=&face=0&istype=2&ie=utf-8&word=%E6%9A%B4%E8%B5%B0%E6%BC%AB%E7%94%BB%E5%8A%A8%E5%9B%BE'

html = urlopen(url)

obj = html.read().decode()

#获取到html代码

urls = re.findall(r'"objURL":"(.*?)"',obj)

#根据链接下载

print(urls)

index =1

mylist = ['.jpg','.gif','.png']

forurlinurls:

ifindex

try:

forhzinmylist:

ifre.search(hz,url):

print('正在下载第%d张'%(index))

urlretrieve(url,str(index)+hz)

#相对地址，urlretrieve(下载链接，下载之后保存地址)

index +=1

break

else:

print('正在下载第%d张'%(index))

urlretrieve(url,str(index)+'.jpg')

#相对地址，urlretrieve(下载链接，下载之后保存地址)

index +=1

exceptException:

print("下载失败%d张"%index)

else:

print('十张图片下载结束！')

break

课堂笔记如下：

文章内视频及代码下载地址：