简单的Python抓taobao图片爬虫

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。

# -*- 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

 arel="nofollow noopener noreferrer" href='<a rel="nofollow noopener noreferrer" 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

本文简单的Python抓taobao图片爬虫到此结束。有一则谚语说，绵羊每咩咩叫上一次，它就会失掉一口干草，如果你的心态是沉重的，总是抱怨你的苦恼，那么每说一次你便失掉一个快乐的机会。小编再次感谢大家对我们的支持！