練手爬蟲用urllib模塊獲取
import re
import urllib
def getHtml(url):
page = urllib.urlopen(url)
html = page.read()
return html
def getImg(html):
reg = r'src="(.+?\.jpg)" pic_ext'
imgre = re.compile(reg)
imglist = re.findall(imgre,html)
return imglist
html = getHtml("https://zwk365.com") //攢外快網(wǎng)
print getImg(html)
推薦Python大牛在線分享技術(shù) 扣qun：855408893
領(lǐng)域：web開發(fā)蕉饼，爬蟲，數(shù)據(jù)分析，數(shù)據(jù)挖掘脐帝，人工智能
零基礎(chǔ)到項(xiàng)目實(shí)戰(zhàn)醋安，7天學(xué)習(xí)上手做項(xiàng)目
修改后python3的代碼
import re
import urllib.request
def getHtml(url):
page = urllib.request.urlopen(url) #獲取網(wǎng)站
html = page.read() #內(nèi)容讀取,返回的html是字節(jié)的格式
return html
def getImg(html):
# print(str(html,encoding='utf8')) #內(nèi)容以爬下來為準(zhǔn)而不是網(wǎng)站上的
reg = 'data-original="(.*?)"' #設(shè)置下內(nèi)容的re格式
imglist = re.findall(reg,str(html,encoding='utf8'),re.S)
return imglist
html = getHtml("https://zwk365.com")
print(getImg(html))
