python爬虫抓收费图片_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http://mm.taobao.com/json/request_top_list.htm?type=0&page=中提取taobao模特的照片。

复制代码 代码如下:

# -*- coding: cp936 -*-

import urllib2

import urllib

mmurl="http://mm.taobao.com/json/request_top_list.htm?type=0&page="

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=' 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="

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> .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。。。

微信

分享

相关标签：Python 爬虫 淘宝

本文原创发布php教程 ，转载请注明出处，感谢您的尊重！

上一篇：python正则表达式中的括号匹配问题

下一篇：简单使用Python自动生成文章

相关文章

相关视频

在Django框架中运行Python应用全攻略

在Python的Django框架中创建和使用模版

python获取元素在数组中索引号的方法

浅谈python中截取字符函数strip，lstr...

简单的抓取淘宝图片的Python爬虫

Python 简介

Python 环境搭建

Python 中文编码

Python 基础语法

Python 变量类型

网友评论

文明上网理性发言，请遵守 新闻评论服务协议

我要评论

立即提交

专题推荐