欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

簡(jiǎn)單的抓取淘寶圖片的Python爬蟲(chóng)

 更新時(shí)間：2014年12月25日 09:42:25   投稿：hebedich  
這篇文章主要介紹了簡(jiǎn)單的抓取淘寶圖片的Python爬蟲(chóng),方法比較簡(jiǎn)單，推薦給小伙伴們參考下。

寫(xiě)了一個(gè)抓taobao圖片的爬蟲(chóng)，全是用if，for，while寫(xiě)的，比較簡(jiǎn)陋，入門(mén)作品。

從網(wǎng)頁(yè)http://mm.taobao.com/json/request_top_list.htm?type=0&page=中提取taobao模特的照片。

復(fù)制代碼 代碼如下:

# -*- coding: cp936 -*-
import urllib2
import urllib
mmurl=" i=0#第二頁(yè)有個(gè)人的頁(yè)面沒(méi)圖片,會(huì)出現(xiàn)IO錯(cuò)誤
while i<15:
        url=mmurl+str(i)
        #print url #打印出列表的url
        up=urllib2.urlopen(url)#打開(kāi)頁(yè)面，存入句柄中
        cont=up.read()
        #print len(cont)#頁(yè)面的長(zhǎng)度
        ahref='<a href="http'#篩選頁(yè)面內(nèi)網(wǎng)頁(yè)鏈接的關(guān)鍵字
        target="target"
        pa=cont.find(ahref)#找出網(wǎng)頁(yè)鏈接的頭部位置
        pt=cont.find(target,pa)#找出網(wǎng)頁(yè)鏈接的尾部位置
        for a in range(0,20):#如才能不把20硬編碼進(jìn)去？如何找到文件結(jié)尾？
                urlx=cont[pa+len(ahref)-4:pt-2]#從頭部到尾部，將網(wǎng)頁(yè)鏈接存入變量
                if len(urlx) < 60:#如果網(wǎng)頁(yè)鏈接長(zhǎng)度適合【len（）！?。?！】
                    urla=urlx     #那么就準(zhǔn)備將其打印出來(lái)
                    print urla    #這是想要的model個(gè)人URL
                    #########以下開(kāi)始對(duì)model個(gè)人的URL進(jìn)行操作#########
                    mup=urllib2.urlopen(urla)#打開(kāi)model個(gè)人的頁(yè)面，存入句柄中
                    mcont=mup.read()#對(duì)model頁(yè)面的句柄進(jìn)行讀出操作，存入mcont字符串
                    imgh="<img style=" #篩選頁(yè)面內(nèi)【圖片】鏈接的關(guān)鍵字
                    imgt=".jpg"
                    iph=mcont.find(imgh)#找出【圖片】鏈接的頭部位置
                    ipt=mcont.find(imgt,iph)#找出【圖片】鏈接的尾部位置
                    for b in range(0,10):#又是硬編碼····
                            mpic=mcont[iph:ipt+len(imgt)]#原始圖片鏈接，鏈接字符的噪聲太大
                            iph1=mpic.find("http")#對(duì)上面的鏈接再過(guò)濾一次
                            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”(設(shè)為100竟然會(huì)誤傷)
                                    pica=picx #【是len(picx)<100而不是picx!!】不然會(huì)不顯示
                                    print pica
                                    ############################
                                    ###########開(kāi)始下載pica這個(gè)圖片
                                    urllib.urlretrieve(pica,"pic\\tb"+str(i)+"x"+str(a)+"x"+str(b)+".jpg")                                  
                                    ###########   pica圖片下載完畢.(加上各循環(huán)體的數(shù)字，以免名字重復(fù))
                                    ############################
                            iph=mcont.find(imgh,iph+len(imgh))#開(kāi)始下一個(gè)循環(huán)
                            ipt=mcont.find(imgt,iph)
                    ############model個(gè)人URL內(nèi)的【圖片鏈接】提取完畢##########
                pa=cont.find(ahref,pa+len(ahref))#將原來(lái)的頭部位作為起始點(diǎn)，繼續(xù)向后找下一個(gè)頭部
                pt=cont.find(target,pa)#繼續(xù)找下一個(gè)尾部
        i+=1

是不是很簡(jiǎn)單呢，小伙伴們稍微修改下就可以抓取其他內(nèi)容了的。。。

相關(guān)文章

最新評(píng)論