Python-爬虫初学

   #爬取网站中的图片
 1 import re     #正则表达式库
import urllib #url链接库

def getHtml(url):
    page = urllib.urlopen(url) #打开链接
    html = page.read()         #像读文本一样读取网页内容
    return html

def getImg(html):
    reg = r'<img src="(.+?\.png)" alt'   #匹配表达式
    imgre = re.compile(reg)              #编译成正则表达式对象
    imglist =re.findall(imgre, html)     #查找全部满足匹配的
    x = 0
    for imgurl in imglist:
        print "imgurl:", imgurl
        urllib.urlretrieve("http://www.uestc.edu.cn/" + imgurl, '%d.png' % x)  #依次遍历下载，源链接用的是相对地址，所以添加前缀
        x += 1
    
html = getHtml("http://www.uestc.edu.cn/")
print getImg(html)
#print html

参考学习链接：

http://www.cnblogs.com/fnng/p/3576154.html