Python爬虫之抓取京东店铺信息及下载图片

这个是抓取信息的

from bs4 import BeautifulSoup
import requests

url = 'https://list.tmall.com/search_product.htm?q=%CB%AE%BA%F8+%C9%D5%CB%AE&type=p&vmarket=&spm=875.7931836%2FA.a2227oh.d100&from=mallfp..pc_1_searchbutton'
response = requests.get(url)                                                   #解析网页
soup = BeautifulSoup(response.text,'lxml')                                     #.text将解析到的网页可读
storenames = soup.select('#J_ItemList > div > div > p.productTitle > a')       #选择出商店的信息
prices = soup.select('#J_ItemList > div > div > p.productPrice > em')          #选择出价格的信息
sales = soup.select('#J_ItemList > div > div > p.productStatus > span > em')   #选择出销售额的信息


for storename, price, sale in zip(storenames,prices,sales):
    storename = storename.get_text().strip()     #用get_text()方法筛选出标签中的文本信息，由于筛选结果有换行符\n所以用strip()将换行符去掉
    price = price.get_text()
    sale = sale.get_text()

    print('商店名:%-40s价格:%-40s销售额:%s'%(storename,price,sale))     #使打印出来的信息规范
    print('----------------------------------------------------------------------------------------------')

这个是下载图片的

from bs4 import BeautifulSoup
import requests
import urllib.request

url = 'https://list.tmall.com/search_product.htm?q=%CB%AE%BA%F8+%C9%D5%CB%AE&type=p&vmarket=&spm=875.7931836%2FA.a2227oh.d100&from=mallfp..pc_1_searchbutton'
response = requests.get(url)
soup = BeautifulSoup(response.text, 'lxml')
imgs = soup.select('#J_ItemList > div > div > div.productImg-wrap > a > img')

a = 1
for i in imgs:
    if(i.get('src')==None):
        break
    img = 'http:'+i.get('src')  #这里废了好长的时间，原来网站必须要有http：的
    #print(img)
    urllib.request.urlretrieve(img,'%s.jpg'%a, None,)
    a = a+1

ps:

1.选择信息的时候用css

2.用get_text()方法筛选出标签中的文本信息

3.strip，lstrip，rstrip的用法：

Python中的strip用于去除字符串的首尾字符；同理，lstrip用于去除左边的字符；rstrip用于去除右边的字符。
这三个函数都可传入一个参数，指定要去除的首尾字符。
需要注意的是，传入的是一个字符数组，编译器去除两端所有相应的字符，直到没有匹配的字符，比如：
[python]
theString = 'saaaay yes no yaaaass'  
print theString.strip('say')  
theString依次被去除首尾在['s'，'a'，'y']数组内的字符，直到字符在不数组内。所以，输出的结果为：
yes no
比较简单吧，lstrip和rstrip原理是一样的。
注意：当没有传入参数时，是默认去除首尾空格和换行符的。
[python] 
theString = 'saaaay yes no yaaaass'  
print theString.strip('say')  
print theString.strip('say ') #say后面有空格  
print theString.lstrip('say')  
print theString.rstrip('say')  
运行结果：
yes no
es no
yes no yaaaass
saaaay yes no