练手爬虫用urllib模块获取
有个人看一段python2的代码有很多错误
import re
import urllib
def gethtml(url):
page = urllib.urlopen(url)
html = page.read()
return html
def getimg(html):
reg = r'src="(.+?\.jpg)" pic_ext'
imgre = re.compile(reg)
imglist = re.findall(imgre,html)
return imglist
html = gethtml("https://zwk365.com") //攒外快网
print getimg(html)
修改后python3的代码
import re
import urllib.request
def gethtml(url):
page = urllib.request.urlopen(url) #获取网站
html = page.read() #内容读取,返回的html是字节的格式
return html
def getimg(html):
# print(str(html,encoding='utf8')) #内容以爬下来为准而不是网站上的
reg = 'data-original="(.*?)"' #设置下内容的re格式
imglist = re.findall(reg,str(html,encoding='utf8'),re.s)
return imglist
html = gethtml("https://zwk365.com")
print(getimg(html))
