下载保存图片

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 = \'<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\')