#!/usr/bin/python

# -*- coding: UTF-8 -*-

_author_ = 'BH8ANK'

import urllib.request

import re

import os

import time

#os.rmdir("D:/images")

#1，打开页面，读取图片张数,抓html

wangzhi = "https://www.zhihu.com/question/43551423"

keywords = ".jpg"

def get_html(url):

    page = urllib.request.urlopen(url)

    html = page.read()

    return html

content = str(get_html(wangzhi))

a = content.count(keywords)

#print(content)

#print("此页面有%d张图" %a)

#2，匹配图片文件,抓jpg

def get_image(html):

    t = r'src="(.+?\.jpg)"' #正则表达式，匹配的是r后面的内容，这部分内容来自于网页的html

    img = re.compile(t)#将正则表达式翻译成它的对象

    html1 = html.decode('utf-8')

    # html用decode('utf-8')进行解码，由bytes变成string。

    # py3的urlopen返回的不是string是bytes，如果没有这一步，就会报下面的错

    #    return _compile(pattern, flags).findall(string)

    #TypeError: cannot use a string pattern on a bytes-like object

    img_list = re.findall(img,html1)#在html中找到所有符合正则表达式的图片，存入列表list

    # try:                           #要么用异常处理方式，要么用if not判断路径是否存在

    #     os.mkdir("D:/images")

    # except FileExistsError:

    #     pass

    if not os.path.exists("D:/images"):#不存在即创建

        os.mkdir("D:/images")

    print("\n\nCreat Success\n")

    # input()

    n = 1                              #此处要重点理解的是循环变量n，这个n一边控制循环，一边给抓到的图命名

    for html in img_list:

        urllib.request.urlretrieve(html, 'D:/images/%s.jpg' %n)

        print("抓到第%3d张图"  %n,end="") #如果写为%03d，则不满3位，前面加0，如果写为%3d，则右对齐，前面不加0

        '''

        上面print中用到了end=''，表示后面的打印不换行

        下面的模块负责显示抓到第几张图片时，打印进度条

        '''

        N=0.05#每隔0.05秒打印一个=

        k=1#循环控制变量，一共打印20个=，最后打印Done

        while k < 20:

            print("=", end='', flush=True)

            time.sleep(N)

            k += 1

        print("Done")

        n += 1

    print("\n一共抓到%d张图"   %(n - 1))

    return img_list

    # for img_url in img_list:

    #     urllib.urlretrieve(img_url, 'D:/tmp/%s.jpg' % n)

    #     return img_list

# c = get_image(get_html(wangzhi))

# d = c.decode('utf-8')

#

# print(d)

if __name__ == "__main__":

    daima = get_html(wangzhi)

    print(daima)#此为目标网页的html代码

# input()

    get_image(daima)#从html中取出匹配的图片，并存放

    html1 = html.decode('utf-8')

    img_list = re.findall(img,html1)

  t = r'src="(.+?\.jpg)"'