Python使用urllib和正则表达式提取网页图片链接
发布时间：2026-10-13 |
6人浏览过
本文介绍如何使用Python标准库urllib获取网页源代码，并结合正则表达式提取页面中的图片链接。通过定义匹配thumbURL的正则模式，批量获取指定搜索页面的图片地址，适用于基础爬虫开发学习。
本示例旨在演示如何从指定网页中提取图片链接，具体实现步骤如下。
首先，需要获取目标网页的源代码内容：
import urllib.request def getHtml(url): html=urllib.request.urlopen(url).read() return html print(getHtml(http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%E5%A3%81%E7%BA%B8&ct=201326592&lm=-1&v=flip))
接着，利用正则表达式对获取到的网页源码进行解析，以提取其中的图片地址：
import re
import urllib.request
def getHtml(url):
html=urllib.request.urlopen(url).read()
return html
def getImg(html):
r=r'"thumbURL":"(http://img.+?\.jpg)"' #定义正则
imglist=re.findall(r,html)
return imglist
html=str(getHtml("http://image.baidu.com/search/flip?tn=baiduimage&ie=utf-8&word=%E5%A3%81%E7%BA%B8&ct=201326592&lm=-1&v=flip"))
print(getImg(html))
执行上述代码后的运行结果如下：
总结
以上即为Python爬虫技术中通过代码提取网页图片地址的完整实现过程，希望能为读者提供实际帮助。若需了解更多相关技术专题，欢迎继续查阅本站内容。如有任何疏漏或疑问，欢迎在评论区留言指正，感谢大家的支持。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
