Hello，好久没更新了，因为我苦逼的去准备期中考试了，哎，不提了，进入我们今天的正题，提取网页中的信息吧。

上次，我们学会了如何向网站提交一个请求并得到返回的信息。

那么我们如何在这一大串信息中提取出我们想要的信息呢？

来看下面这个网站：

咳咳，这是一个例子，大家不要在意内容是什么，我这也是为了调起大家的学习兴趣对不对~

我们如果想提取这个网页中的照片，我们就要去观察他的源代码，也是我们上次文章中一次reques请求后返回的实例中的text的内容。

如下：

我们利用F12，可以看到整个HTML页面的详细情况，如果你是IE浏览器，当你的鼠标进入相应的键值对中的时候，我们打开的网页的相应位置会变成不同的颜色，这也是为了方便我们去找到这个元素在页面中的位置。如果你是谷歌浏览器的话，更加简单了

看到这个箭头了么，它会指向你点击的页面上的东西在html代码中的相应位置。

下面我们看，我们所看到的照片在元素界面中其实是以URL的形式存在的，所以如果我们想提取出这个照片，我们需要提取出这个照片的URL，然后访问这个url，然后下载下来即可。

那么我们的流程就是这样的：

请求HTML页面内容（利用我们上次的request库） -> 提取照片的URL -> 下载照片

那么我们现在的核心问题就是如何提取出这个照片的URL，今天我们介绍的方式叫做正则表达式。

首先，什么是正则表达式？

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

简单来说，就是我们利用一个公式表现出一个我们目的字符串的特点从而查找出这个目的字符串的方式。

我们仔细观察所有照片的url，我们发现他们有一个共同的特点，就是他们都是 scr=“balabala....jpg”对不对，我们可不可以利用他们的这个特点来将他们提取出来？

帮助我们完成这个工作的就是正则表达式。

那么既然知道怎么提取了，我们就开始我们的工作吧。

首先，我们请求一个HTML页面

这个函数的作用就是利用他的输入参数url，访问这个url对应的HTML页面，并且返回这个页面的内容（字符串）

我们这里利用了try-except方法来进行异常状态的捕捉，r.raise_for_status()这句代码会提交代码运行过程中遇到的错误，如果有错误会进入到except的函数体中，输出错误语句。

然后我们提取照片的url

解释参数：plt（picture——list） 我们最终的照片的url的一个数组，函数作用就是讲html页面中的对应的url存储在这个数组之中。

html，我们上一个函数请求下来的html页面的内容，是一个字符串

函数首先利用re库，也就是python的标准正则表达式库中的函数，findall，找出全部符合我们第一个参数代表的正则表达式形式的在第二个字符串参数中的所有字符串。

我们构造的正则表达式的含义：

.代表一个字符

*代表前一个字符重复0或无数次

？代表匹配最小长度

所以我们构造的“scr=“.*?jpg””的含义显而易见，就是为了匹配HTML中的url的正则表达式。

然后我们为它加上https的前缀。放入我们的数组中。

最后，我们将我们的数组中存好的url都下载下来就好：

root,我们下载文件夹的根目录位置

plt我们的照片的url数组

我们首先根据url的值为我们的图片命名，然后图片我们按照二进制文件的方式写入即可

这里我给出完整的代码，大家可以通过修改根目录的值和url的值，下载不同的照片。

import requests
import  redef getHTML(url):try:r = requests.get(url)r.raise_for_status()r.encoding = r.apparent_encodingreturn r.textexcept:print("gethtmel error")def getplt(plt , html):try:tplt = re.findall(r'src=".*?jpg"', html)for i in range(len(tplt)):url = eval(tplt[i].split('=')[1])url = "https:"+url#  print(url)plt.append(url)except:print("error")def writepic(root,plt):try:for i in range(len(plt)):path = root+plt[i].split('/')[-1]r = requests.get(plt[i])with open(path,'wb') as f:f.write(r.content)except:print("文件写入失败")if __name__ == '__main__':init_url = "https://www.plmm.com.cn/xinggan/index"deep = 10plt = []for i in range(10,80):if i>1 :t = init_url+"_"+str(i)+".html"else :t = init_url+".html"# print(t)html = getHTML(t)getplt(plt,html)writepic("D://PICS//",plt)