python爬虫(14)获取淘宝MM个人信息及照片(上)
python爬虫(14)获取淘宝MM个人信息及照片(下)(windows版本)
网上看到有获取淘宝MM照片的python程序,于是自己也忍不住照着学习一下
不得不说,淘宝网站的网页有所变化,只是纯粹把之前网上的程序down下来,程序还真的运行不起来。
有鉴于此,这里就使用新的方法来重新编码,获取淘宝MM的图片
思路是 访问主页面 获取当前页面每一个模特的主页url, 在模特的主页 获取个人信息以及头像保存好,同时获取个人相册地址
在个人相册获取相册数量,获取每一个相册名字以及该相册的照片数量,进入每一个相册获取每一个相册的相片地址
1.获取入口地址
#!/usr/bin/python
#coding=utf-8
__author__ = 'Jimy_fengqi'
from selenium import webdriver
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
class TaoBaoSpider:
def __init__(self):
#自定义页面起始页
self.page=1
#定义存储的文件夹名字
self.dirName='Jimy_fengqi'
#创建webdriver全局变量
self.driver = webdriver.PhantomJS()
#页面加载入口
def getContent(self,maxPage):
for index in range(1,maxPage+1):
print '当前是第%d页' % index
self.getMMurl(index)
self.driver.quit()
#获取页面内容,同时找到MM的个人主页入口
def getMMurl(self,index):
url="https://mm.taobao.com/json/request_top_list.htm?page="+str(index)
#获取页面内容
self.driver.get(url)
#找到当前页面所有的个人主页入口,通过xpath的方式来匹配
items=self.driver.find_elements_by_xpath('//div[@class="list-item"]/div[1]/div[1]/p/a')
mmUrls=[]
for item in items:
#对获得到的url进行处理
MMurl= item.get_attribute('href').replace("model_card","model_info")
mmUrls.append(MMurl)
print MMurl
spider=TaoBaoSpider()
spider.getContent(1)
结果如下:
当前是第1页
https://mm.taobao.com/self/model_info.htm?user_id=687471686
https://mm.taobao.com/self/model_info.htm?user_id=405095521
https://mm.taobao.com/self/model_info.htm?user_id