python 爬虫一键爬取 淘宝天猫宝贝页面主图颜色图和详情图的教程
Python  /  管理员 发布于 7年前   220
实例如下所示:
import requestsimport re,sys,osimport jsonimport threadingimport pprintclass spider: def __init__(self,sid,name): self.id = sid self.headers = { "Accept":"text/html,application/xhtml+xml,application/xml;", "Accept-Encoding":"gzip", "Accept-Language":"zh-CN,zh;q=0.8", "Referer":"http://www.example.com/", "User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.90 Safari/537.36" } self.name=name def openurl(self,url): self.request = requests.get(url,headers = self.headers) if self.request.ok: return self.request.text def matchs(self): tmall_exp = r"Setup\(([\s\S]+?)\);"### 匹配商品数据的正则 detail= r"src=\"(https://img\S+?[jpgifn]+?)\"" ###匹配 商品详情图的正则 html = self.openurl("https://detail.tmall.com/item.htm?id=%s"%self.id) data = re.findall(tmall_exp,html) data = json.loads(data[0]) main_img = data['propertyPics'] ## 这里包括了主图和颜色图的地址 color_data =data['valItemInfo'] ['skuList'] ### 这里获得商品的颜色信息列表 包括颜色编码 颜色名称,商品skuID detail_html = self.openurl("http:"+data['api']["httpsDescUrl"]) detail_image = re.findall(detail,detail_html) self.newdata={"MAIN":main_img['default'],"DETAIL":detail_image,"id":self.id,} psvs = [] self.newdata['COLOR']=[] for v in range(len(color_data)): if ";"in color_data[v]["pvs"]: psv = color_data[v]['pvs'][color_data[v]['pvs'].find(";")+1:] else: psv = color_data[v]['pvs'] if psv in psvs: continue psvs.append(psv) self.newdata['COLOR'].append({color_data[v]["names"]:main_img[";"+psv+";"]}) pprint.pprint(self.newdata) return self.newdata def download(self): if len(self.newdata)>0: for x in range(len(self.newdata['MAIN'])): threading.Thread(target=self.download_main,args=(self.newdata['MAIN'][x],x)).start() for x in self.newdata['COLOR']: threading.Thread(target=self.download_color,args=(x,)).start() for x in range(len(self.newdata['DETAIL'])): threading.Thread(target=self.download_detail,args=(self.newdata['DETAIL'][x],x)).start() return def download_main(self,url,index): try: img = requests.get("http:"+url,stream=True,headers = self.headers,timeout=10) except: print(sys.exc_info()) return if img.ok: if not os.path.exists(self.name+"/main"): try: os.makedirs(self.name+"/main") except: pass imgs = open(self.name+"/main/%s.jpg"%index,"wb") imgs.write(img.content) imgs.close() def download_color(self,url): try: img = requests.get("http:"+url[list(url.keys())[0]][0],stream=True,headers = self.headers,timeout=10) except: print(sys.exc_info()) return if img.ok: if not os.path.exists(self.name+"/color"): try: os.makedirs(self.name+"/color") except: pass if "/"in list(url.keys())[0]: color = list(url.keys())[0].replace("/","_") elif "\\" in list(url.keys())[0]: color = list(url.keys())[0].replace("\\","_") else: color = list(url.keys())[0] imgs = open(self.name+"/color/%s.jpg"%color,"wb") imgs.write(img.content) imgs.close() def download_detail(self,url,index): try: img = requests.get(url,stream=True,headers = self.headers,timeout=10) except: print(sys.exc_info()) return if img.ok: if not os.path.exists(self.name+"/detail"): try: os.makedirs(self.name+"/detail") except: pass imgs = open(self.name+"/detail/%s.jpg"%index,"wb") imgs.write(img.content) imgs.close() if __name__ =="__main__": sid = 528766269341 ## 这里输入天猫宝贝ID taobao = spider(sid,"下载图片/T") taobao.matchs() taobao.download()
以上这篇python 爬虫一键爬取 淘宝天猫宝贝页面主图颜色图和详情图的教程就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
122 在
学历:一种延缓就业设计,生活需求下的权衡之选中评论 工作几年后,报名考研了,到现在还没认真学习备考,迷茫中。作为一名北漂互联网打工人..123 在
Clash for Windows作者删库跑路了,github已404中评论 按理说只要你在国内,所有的流量进出都在监控范围内,不管你怎么隐藏也没用,想搞你分..原梓番博客 在
在Laravel框架中使用模型Model分表最简单的方法中评论 好久好久都没看友情链接申请了,今天刚看,已经添加。..博主 在
佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 @1111老铁这个不行了,可以看看近期评论的其他文章..1111 在
佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 网站不能打开,博主百忙中能否发个APP下载链接,佛跳墙或极光..
Copyright·© 2019 侯体宗版权所有·
粤ICP备20027696号