9159金沙游艺场-奥门金沙游艺场-[欢迎您]

9159金沙游艺场为您呈现最新的面貌!,目前注册送体验金,欢迎您将成为影视娱乐行业新的风向标,是亚洲的优质娱乐先锋。

简单的抓取淘宝图片的Python爬虫

日期:2020-01-04编辑作者:服务器

简单的抓取淘宝图片的Python爬虫,

写了一个抓taobao图片的爬虫,全是用if,for,while写的,比较简陋,入门作品。

从网页

复制代码 代码如下:

# -*- coding: cp936 -*-
import urllib2
import urllib
mmurl=""
i=0#第二页有个人的页面没图片,会出现IO错误
while i<15:
        url=mmurl+str(i)
        #print url #打印出列表的url
        up=urllib2.urlopen(url)#打开页面,存入句柄中
        cont=up.read()
        #print len(cont)#页面的长度
        ahref='<a href="http'#筛选页面内网页链接的关键字
        target="target"
        pa=cont.find(ahref)#找出网页链接的头部位置
        pt=cont.find(target,pa)#找出网页链接的尾部位置
        for a in range(0,20):#如才能不把20硬编码进去?如何找到文件结尾?
                urlx=cont[pa+len(ahref)-4:pt-2]#从头部到尾部,将网页链接存入变量
                if len(urlx) < 60:#如果网页链接长度适合【len()!!!!】
                    urla=urlx     #那么就准备将其打印出来
                    print urla    #这是想要的model个人URL
                    #########以下开始对model个人的URL进行操作#########
                    mup=urllib2.urlopen(urla)#打开model个人的页面,存入句柄中
                    mcont=mup.read()#对model页面的句柄进行读出操作,存入mcont字符串
                    imgh="<img style=" #筛选页面内【图片】链接的关键字
                    imgt=".jpg"
                    iph=mcont.find(imgh)#找出【图片】链接的头部位置
                    ipt=mcont.find(imgt,iph)#找出【图片】链接的尾部位置
                    for b in range(0,10):#又是硬编码····
                            mpic=mcont[iph:ipt+len(imgt)]#原始图片链接,链接字符的噪声太大
                            iph1=mpic.find("http")#对上面的链接再过滤一次
                            ipt1=mpic.find(imgt)  #同上
                            picx=mpic[iph1:ipt1+len(imgt)]
                            if len(picx)<150:#仍有一些URL是“http:ss.png><dfsdf>.jpg”(设为100竟然会误伤)
                                    pica=picx #【是len(picx)<100而不是picx!!】不然会不显示
                                    print pica
                                    ############################
                                    ###########开始下载pica这个图片
                                    urllib.urlretrieve(pica,"pic\tb"+str(i)+"x"+str(a)+"x"+str(b)+".jpg")                                  
                                    ###########   pica图片下载完毕.(加上各循环体的数字,以免名字重复)
                                    ############################
                            iph=mcont.find(imgh,iph+len(imgh))#开始下一个循环
                            ipt=mcont.find(imgt,iph)
                    ############model个人URL内的【图片链接】提取完毕##########
                pa=cont.find(ahref,pa+len(ahref))#将原来的头部位作为起始点,继续向后找下一个头部
                pt=cont.find(target,pa)#继续找下一个尾部
        i+=1

是不是很简单呢,小伙伴们稍微修改下就可以抓取其他内容了的。。。

写了一个抓taobao图片的爬虫,全是用if,for,while写的,比较简陋,入门作品。 从网页...

本文由9159金沙游艺场-奥门金沙游艺场-[欢迎您]发布于服务器,转载请注明出处:简单的抓取淘宝图片的Python爬虫

关键词:

Linux修改文件权限命令9159金沙游艺场

Linux修改文件权限命令:chmod Linux系统中的每个文件和目录都有访问许可权限,用它来确定谁可以通过何种方式对文件...

详细>>

网页特殊符号HTML代码大全

网页特殊符号HTML代码大全,特殊符号代码大全 ´ © µ ® amp; ° ¡   » ¦ ÷ ¿ ¬ § • ½ « ¶ ¨ ¸ ¼ ± × ¢ ¾ ¯ “ ™ €...

详细>>

UNIX意况高等编程

UNIX环境高级编程文件共享及fork函数,unixfork UNIX系统支持在不同进程间共享打开文件。内核使用3种数据结构表示打开...

详细>>

忘记root密码修改

Linux – RedHat7 / CentOS 7 忘记root密码修改,redhat7centos 1.(a) 开机出现grub boot loader 开机选项菜单时,立即点击键盘任意鍵...

详细>>