Python下載頁面圖片

今天要下載很多張圖片，手動麻煩，於是寫了個小程式。期間遇到不少問題。

最主要的一個是，訪問某些網頁會返回403 Forbidden，後來在加入了header資訊之後得到解決。記錄下。

這裡用到了正則，urllib網頁編程等知識。好久沒用了，算是複習。

代碼

# -*- encoding:UTF-8 -*-

import re,urllib2

def getPage(url):
'''下載檔案html代碼，找出一樓的核心代碼'''
    opener = urllib2.build_opener()
#不加頭資訊則出現403錯誤和亂碼
    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()
#檔案儲存編碼和檔案編輯編碼都是utf-8，所以decode一次，不然會出現亂碼，但是不影響結果。
    return html.decode('utf-8')

def getImg(url):
'''從核心代碼中照圖圖片地址，並且下載儲存、命名'''
    regImg = '<img src="(.*?)"  alt="" />'
    dir = 'F:\\My_Document\\Desktop\\temp\\'
    pageHtml = getPage(url)
#找到所有圖片地址
    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')