在python3中使用urllib.request编写简单的网络爬虫

Python官方提供了用于编写网络爬虫的包 urllib.request, 我们主要用它进行打开url，读取url里面的内容，下载里面的图片。

分以下几步：

step1:用urllib.request.urlopen打开目标网站

step2:由于urllib.request.urlopen返回的是一个http.client.HTTPResponse object，无法直接读取里面的内容，所以直接调用该对象的方法read()，获取到页面代码，存到html里

step3:构建正则表达式，从页面代码里提取出图片url地址。

step4:根据图片url地址，用urllib.request.retrieve下载到本地

容易出错的地方：

1：python2.x和python3.x中，urlopen具体在哪个包里是不一样的。如果你要在python2.x上实现，要自行百度正确的包。

2：最容易出错的地方是正则表达式，容易出现匹配错误。我程序里写的正则表达式，在目前的网址里是正确的，如果是其他网址可能还会出问题，要具体问题具体分析，去debug。

比如如果img_re=re.compile(r'(?<=src=)"\w+?jpg"')的话，会匹配成""http://tieba.........."

下面是具体代码