Python下载页面图片
今天要下载很多张图片，手动麻烦，于是写了个小程序。期间遇到不少问题。最主要的一个是，访问某些网页会返回403 Forbidden，后来在加入了header信息之后得到解决。记录下。
这里用到了正则，urllib网页编程等知识。好久没用了，算是复习。
代码
# -*- encoding:UTF-8 -*-
import re,urllib2
def getPage(url):
'''下载文件html代码，找出一楼的核心代码'''
opener = urllib2.build_opener()
#不加头信息则出现403错误和乱码
opener.addheaders = [('User-agent', 'Mozilla/5.0')];
htmlAll = opener.open( url ).read()
reg1Floor = '(.*?)'
html = re.search(reg1Floor,htmlAll)
html = html.group()
#文件保存编码和文件编辑编码都是utf-8，所以decode一次，不然会出现乱码，但是不影响结果。
return html.decode('utf-8')
def getImg(url):
'''从核心代码中照图图片地址，并且下载保存、命名'''
regImg = ''
dir = 'F:\\My_Document\\Desktop\\temp\\'
pageHtml = getPage(url)
#找到所有图片地址
imglist = re.findall(regImg,pageHtml)
#print imglist
for index in xrange(1,len(imglist)+1):
finename = dir + str(index) + '.jpg'
urllib.urlretrieve(imglist, finename)
print finename + ' ok!'
if __name__ == '__main__':
getImg('http://topic.iyunv.com/u/20101013/11/024465A6-8E16-444C-9A09-DD374D29044C.html')
页:
[1]