#-*- coding:utf-8 -*-import urllib2import reimport requestsfrom lxml import etree這些是要導(dǎo)入的庫，代碼并沒有使用正則，使用的是xpath，正則困難的童鞋可以嘗試使用下推薦各位先使用基本庫來寫，這樣可以學(xué)習(xí)到更多l(xiāng)inks=[]　　　　#遍歷url的地址k=1　　　　print u'請輸入最后的頁數(shù)：'endPage=int(raw_input())　　　　#最終的頁數(shù)　　(r'/d+(?=/s*頁) 這是一個比較通用的正則抓取總頁數(shù)的代碼，當(dāng)然最后要group#這里是手動輸入頁數(shù)，避免內(nèi)容太多for j in range(0,endPage):  url='http://tieba.baidu.com/f?kw=%E7%BE%8E%E5%A5%B3&ie=utf-8&pn='+str(j)　　　　　　#頁數(shù)的url地址  html=urllib2.urlopen(url).read()　　　　　　　　　　　　　　　　#讀取首頁的內(nèi)容  selector=etree.HTML(html)　　　　　　　　　　　　　　#轉(zhuǎn)換為xml，用于在接下來識別  links=selector.xpath('//div/a[@class="j_th_tit"]/@href')　　　　　　　　#抓取當(dāng)前頁面的所有帖子的url#大家可以使用瀏覽器自帶的源碼查看工具，在指定目標(biāo)處查看元素，這樣更快捷  for i in links:    url1="http://tieba.baidu.com"+i　　　　　　#因為爬取到的地址是相對地址，所以要加上百度的domain    html2=urllib2.urlopen(url1).read()　　　　　　#讀取當(dāng)前頁面的內(nèi)容    selector=etree.HTML(html2)　　　　　　　　　　#轉(zhuǎn)換為xml用于識別    link=selector.xpath('//img[@class="BDE_Image"]/@src')　　　　#抓取圖片，各位也可以更換為正則，或者其他你想要的內(nèi)容#此處就是遍歷下載    for each in link:      #print each      print u'正在下載%d'%k      fp=open('image/'+str(k)+'.bmp','wb')　　　　　　#下載在當(dāng)前目錄下 image文件夾內(nèi)，圖片格式為bmp      image1=urllib2.urlopen(each).read()　　　　　　　　#讀取圖片的內(nèi)容      fp.write(image1)　　　　　　　　　　　　　　　　　　#寫入圖片      fp.close()      k+=1　　　　#k就是文件的名字，每下載一個文件就加1print u'下載完成!'