本人也是刚刚开始学习python的爬虫技术，然后本来想在网上找点教程来看看，谁知道一搜索，大部分的都是用python2来写的，新手嘛，一般都喜欢装新版本。于是我也就写一个python3简单的爬虫，爬虫一下贴吧的图片吧。话不多说，我们开始。
首先简单来说说一下知识。
一、什么是爬虫？
网页上面采集数据
二、学习爬虫有什么作用？
做案例分析，做数据分析，分析网页结构.......
三、爬虫环境
需求：python3x pycharm
模块：urllib 、urllib2、bs4、re
四、爬虫思路：
1. 打开网页，获取源码。
*由于多人同时爬虫某个网站时候，会造成数据冗余，网站崩溃，所以一些网站是禁止爬虫的，会返回403拒绝访问的错误信息。----获取不到想要的内容/请求失败/IP容易被封……..等
*解决办法：伪装——不告诉网站我是一个脚本，告诉它我是一个浏览器。（加上随便一个浏览器的头部信息，伪装成浏览器），由于是简单例子，那我们就不搞这些骚操作了。
2. 获取图片
*Find函数 ：只去找第一个目标，查询一次
*Find_all函数： 找到所有的相同的目标。
这里可能有一个解析器的问题，我们也不说了，出问题的同学百度一堆解决办法。
3. 保存图片地址与下载图片
*a.使用urlib---urlretrieve下载（保存位置：如果保存在跟*.py文件同一个地方，那么只需要文件夹名称即可，如果是其他地方，那么得写绝对路径。）
算了，不说那么多废话，既然是个简单例子，那我就直接贴代码吧。相信也没多少人呢看不懂。
提一句：用BeautifulSoup 就可以不用正则；爬虫用正则，Bs4, xpath三种 选择一个就好。当然也可以混合使用，也还有其他种。
爬取地址：http://tieba.baidu.com/p/3840085725
代码如下：
import urllib.request
import re
import os
import urllib
#根据给定的网址来获取网页详细信息，得到的html就是网页的源代码
def getHtml(url):
page = urllib.request.urlopen(url)
html = page.read()
return html.decode('UTF-8')
def getImg(html):
reg = r'src="(.+?\.jpg)" pic_ext'
imgre = re.compile(reg) #转换成一个正则对象
imglist = imgre.findall(html) #表示在整个网页中过滤出所有图片的地址，放在imglist中
x = 0 #声明一个变量赋值
path = 'H:\\python lianxi\\zout_pc5\\test' #设置保存地址
if not os.path.isdir(path):
os.makedirs(path) # 将图片保存到H:..\\test文件夹中，如果没有test文件夹则创建
paths = path+'\\' #保存在test路径下
for imgurl in imglist:
urllib.request.urlretrieve(imgurl,'{0}{1}.jpg'.format(paths,x)) #打开imglist，下载图片保存在本地，
#format格式化字符串
x = x + 1
print('图片已开始下载，注意查看文件夹')
return imglist
html = getHtml("http://tieba.baidu.com/p/3840085725") #获取该网址网页详细信息，html就是网页的源代码
print (getImg(html)) #从网页源代码中分析并下载保存图片 |
最后效果如图：
好了，教程到这里就结束了，更多精彩，敬请关注：IT民工_柒晓白
参考地址：https://my.oschina.net/zouqxb/blog/1553586
（ps：对于python本人也是新手，文章有任何错误请多多包涵）