Python下载页面图片

时间：2010-10-14 来源：北冥

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 = '<div class="msgfont">(.*?)</div>'
    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 = '<img src="(.*?)"  alt="" />'
    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[index-1], finename)
        print finename + ' ok!'
    

if __name__ == '__main__':
    getImg('http://topic.csdn.net/u/20101013/11/024465A6-8E16-444C-9A09-DD374D29044C.html')