虫师博客：http://www.cnblogs.com/fnng/p/3576154.html

我的笔记

初期：一开始学习python是通过看书 第一本python的书叫《python核心编程》美：wesley j.chun第二本是C语言的书叫《C primer plus》看了一半又停了，学习曲线太陡，没什么兴奋感， 看完就忘了，因为光看不做， 一年又一年还是不会，但我想学变成的心没变

现在：于是在前几天2016/8/5，我开始直接上手做，不会的查书，搜google、百度

英语方面，一直在看英文小说，每天一章的进展，现在差不多看完6/7本的样子 如果有人想通过看书学英文，我看过的英文书单可以以后更新出来 都是简单但需要坚持的

开始写博客记录学习

项目(一) 如何开始，从有趣经常用的地方开始，那不就是网络了，和网络相关的不就是爬虫(就是如何把网上好玩的信息copy到自己的文件夹里)了吗？

于是搜索 python 爬虫 第一个http://www.cnblogs.com/fnng/p/3576154.html就是虫师的博客园

上手复制，改动 而不是看书把每一个地方弄清，首先培养兴趣

于是直接把虫师的内容复制下来，在python上运行观察学习(因为我觉得写得还是有点难，所以我加了很多注释帮助大家，复制的时候注释去不去掉随你，不影响运行)

1 #coding=utf-8

2 importurllib #urlib模块，一个标准库，接受url请求等3

4 defgetHtml(url): #自定义一个函数用来获取html代码5 page =urllib.urlopen(url) #urllib的一个方法，用来打开url6 html =page.read() #read方法用来读取7 returnhtml #读取的内容存入html，并返回到getHtml8

9 html1 = getHtml("http://tieba.baidu.com/p/4590525889?da_from=ZGFfbGluZT1EVCZkYV9wYWdlPTEmZGFfbG9jYXRlPXAwMDY0JmRhX2xvY19wYXJhbT0zJmRhX3Rhc2s9dGJkYSZkYV9vYmpfaWQ9MjM3MDYmZGFfb2JqX2dvb2RfaWQ9NDM3ODYmZGFfdGltZT0xNDcwNDg4MjM2&da_sign=58a0c29287d6df1817926ce918cd05eb&tieba_from=tieba_da")10 #主程序 返回的html内容存入html1中，并在接下来的print中打印下来 网址随便换

11 print html1 #输出html1内容

补充：urllib2与urllib 前者既可以通过request类设置headers(这个用来模拟也就是伪装成人浏览网页)也接受url，而后者只可以接受url不能伪装，比如糗事百科最近改版，以前直接把上面的网页一换就可以弄下来html的代码，现在需要加入headers进行检验，urllib这个模块就束手无策了

项目(二)自动下载图片改名并存入本地

1 #coding=utf-8

2 importurllib3 import re #用到了正则表达式模块，用来筛选、、搜索、匹配的强大模块

4

5 defgetHtml(url):6 page =urllib.urlopen(url)7 html =page.read()8 returnhtml9

10 def getImg(html): #前面获得的html代码，在这里进行“清洗”，也就是找到代码中想要的(比如图片的地址等等)

11 reg = r'src="(.+?\.jpg)" pic_ext'

12 imgre = re.compile(reg) #上一句 正则表达式匹配 圆括号()代表我们想要(图片的地址)，.+? 其中问号是懒惰模式，整个.+？匹配任何字符但尽可能地少，因为懒惰麻

13 imglist = re.findall(imgre,html) #上一句 进行预编译，反正就是要比较所以先编译一下，方便省时 这句返回正则表达式匹配的列表

14 x =015 for imgurl inimglist:16 urllib.urlretrieve(imgurl,'%s.jpg' %x) #存入和这个代码程序相同的目录下17 x+=1

18 returnimglist19

20

21

22

23 html = getHtml("http://tieba.baidu.com/p/2460150866")24

25 print getImg(html)

这几天一直想换电脑，买苹果，无奈钱包空空，怎么能用下班时间转到买苹果顶配的钱，这是一个问题