首页 / 爬虫 / 一个简单的Python爬虫
一个简单的Python爬虫
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了一个简单的Python爬虫,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含1729字,纯文字阅读大概需要3分钟。
内容图文
![一个简单的Python爬虫](/upload/InfoBanner/zyjiaocheng/1151/1bccd6ea15394d8cb7668f977953c7d9.jpg)
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。
# -*- 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=‘<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
原文:http://www.cnblogs.com/codex/p/4051811.html
内容总结
以上是互联网集市为您收集整理的一个简单的Python爬虫全部内容,希望文章能够帮你解决一个简单的Python爬虫所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。