Python爬虫入门

 1 import urllib.request # 连接网络
 2 import urllib.parse # 爬虫传参数
 3 import json # json解析结果
 4 import re # 正则表达式
 5 import math # 生成随机数
 6 
 7 url = '' # 爬虫入口链接
 8 data = {} # 字典类型的参数
 9 
10 data = urllib.parse.urlencode(data).encode('utf-8') # 处理参数
11 
12 req = urllib.request.Request(url,data) # 请求
13 req.add_header('User-Agent', 'fake-client') # 添加头信息
14 
15 res = urllib.request.urlopen(req) # 获得响应信息
16 html = res.read().decode('utf-8') # 读取响应信息，得到html页面信息
17 
18 # 正则表达式中如果有一个括号，那么匹配的内容就取括号里的那段返回列表，
19 # 如果有多个括号，那么返回的是元组列表
20 req = re.compile(r'<img.+?src="(.+?.jpg)" width') # 正则表达式匹配页面中的图片链接，.+?这里的?是启用非贪婪模式
21 
22 urlsImg = re.findall(req,html) # 从html中获取所有图片链接
23 
24 for urlImg in urlsImg:
25     response = urllib.request.urlopen(urlImg) # 获取链接响应
26     img = response.read() # 读取响应信息为二进制信息
27     with open('img_%f.jpg'%(math.random()),'wb') as f:
28         f.write(img) # 将二进制信息写到xxx.jpg图片里