标签：
前面已经写了如何获取网页源码，那么接下来就是该解析网页并提取需要的数据了。这里简单写一下正则表达的用法。
首先，找个要抓取图片的网站，获取源码。
import requests import re # 获取网页源码 url = ‘http://www.ivsky.com/tupian/xiaohuangren_t21343/‘ data = requests.get(url).text
小黄人的图。。。接下来浏览器检查元素，发现图片源码格式,前面均为<img ，结尾均为 .jpg 而我们要提取的就是网址部分。
正则表达式如下：
#正则表达式三部曲 #<img src="http://img.ivsky.com/img/tupian/t/201411/01/xiaohuangren-009.jpg" width="135" height="135" alt="卑鄙的我小黄人图片"> regex = r‘<img src="(.*?.jpg)"‘#匹配网址 pa = re.compile(regex)#转为pattern对象 ma = re.findall(pa, data)#findall 方法找到所有的符合pa的对象，添加到一个列表中并返回 print(ma)#图片网址列表 print(len(ma))#列表长度，即找到图片个数
#截取部分列表输出
#[‘http://img.ivsky.com/img/tupian/t/201411/01/xiaohuangren_tupian-007.jpg‘, ‘http://img.ivsky.com/img/tupian/t/201411/01/xiaohuangren-009.jpg‘, ‘http://img.ivsky.com/...
#25
标签：
原文地址：http://www.cnblogs.com/buzhizhitong/p/5616212.html
