Python 爬虫进阶篇-4行代码实现爬取指定网站中的全部图片，深入剖析

上一篇：Python 爬虫入门篇-如何获取网页中的图片。我们了解到了urllib获取图片的原理，urllib.request.urlretrieve()就是用来获取图片的。

这一篇，我们用正则表达式匹配出指定网站的所有图片，然后都下载下来。 re库就是我们用来做正则表达式的库，re.findall(a, html)可以把html中所有符合a正则表达式的链接全都匹配出来。

我们来看看a：'img src="(http.*?)"'，一般html中的图片就是img标签，加上src网址，光匹配img标签的话，可能是空的哦。

http.*就是匹配所有网址了，".“代表任意字符，”*"代表前一个字符可以是任意数量了，.*就表示http开头的所有网址了，.*？加个’?‘就限制满足条件的只匹配一次，没有’?'就是匹配任意次，.*习惯性称之为贪婪匹配！

import urllib.request
import re

url="http://ohhappyday.com/" # 我们要爬取图片的地址

page = urllib.request.urlopen(url) # 第一行 打开网址
html = page.read().decode("utf-8") # 第二行 获取html源码

imglist = re.findall('img src="(http.*?)"',html) # 第三行 在html中匹配出符合条件的字符串

x=0
for imgurl in imglist: # 遍历图片地址列表
    urllib.request.urlretrieve(imgurl,'pic%s.jpg' %x) # 第四行 获取图片并保存
    x=x+1

注：可以分别用print打印出page、html、imglist、imgurl，这样可以让你更清楚每一步在做什么，产生了什么。 注：如果网站地址中包含中文会报错，这个会在后期讲解中做处理。 注：如果某些网站没有效果可能是做了反爬虫处理，或者它展示图片的原理不是常规的img加src网址。

如下是我们要实战的网站：

运行后的效果图如下：