[Python]代码    

#-*- coding:utf-8 -*- http://www.aichengxu.com  import urllib2  import re  import requests  from lxml import etree    这些是要导入的库，代码并没有使用正则，使用的是xpath，正则困难的童鞋可以尝试使用下    推荐各位先使用基本库来写，这样可以学习到更多    links=[]　　　　#遍历url的地址  k=1　　　　  print u'请输入最后的页数：'  endPage=int(raw_input())　　　　#最终的页数　　(r'\d+(?=\s*页) 这是一个比较通用的正则抓取总页数的代码，当然最后要group    #这里是手动输入页数，避免内容太多    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)　　　　　　#页数的url地址    html=urllib2.urlopen(url).read()　　　　　　　　　　　　　　　　#读取首页的内容    selector=etree.HTML(html)　　　　　　　　　　　　　　#转换为xml，用于在接下来识别    links=selector.xpath('//div/a[@class="j_th_tit"]/@href')　　　　　　　　#抓取当前页面的所有帖子的url    #大家可以使用浏览器自带的源码查看工具，在指定目标处查看元素，这样更快捷      for i in links:      url1="http://tieba.baidu.com"+i　　　　　　#因为爬取到的地址是相对地址，所以要加上百度的domain      html2=urllib2.urlopen(url1).read()　　　　　　#读取当前页面的内容      selector=etree.HTML(html2)　　　　　　　　　　#转换为xml用于识别      link=selector.xpath('//img[@class="BDE_Image"]/@src')　　　　#抓取图片，各位也可以更换为正则，或者其他你想要的内容    #此处就是遍历下载      for each in link:        #print each        print u'正在下载%d'%k        fp=open('image/'+str(k)+'.bmp','wb')　　　　　　#下载在当前目录下 image文件夹内，图片格式为bmp        image1=urllib2.urlopen(each).read()　　　　　　　　#读取图片的内容        fp.write(image1)　　　　　　　　　　　　　　　　　　#写入图片        fp.close()        k+=1　　　　#k就是文件的名字，每下载一个文件就加1    print u'下载完成!'