侯体宗的博客
  • 首页
  • Hyperf版
  • beego仿版
  • 人生(杂谈)
  • 技术
  • 关于我
  • 更多分类
    • 文件下载
    • 文字修仙
    • 中国象棋ai
    • 群聊
    • 九宫格抽奖
    • 拼图
    • 消消乐
    • 相册

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。


  • 上一条:
    python 获取当天凌晨零点的时间戳方法
    下一条:
    python3.x实现发送邮件功能
  • 昵称:

    邮箱:

    0条评论 (评论内容有缓存机制,请悉知!)
    最新最热
    • 分类目录
    • 人生(杂谈)
    • 技术
    • linux
    • Java
    • php
    • 框架(架构)
    • 前端
    • ThinkPHP
    • 数据库
    • 微信(小程序)
    • Laravel
    • Redis
    • Docker
    • Go
    • swoole
    • Windows
    • Python
    • 苹果(mac/ios)
    • 相关文章
    • 在python语言中Flask框架的学习及简单功能示例(0个评论)
    • 在Python语言中实现GUI全屏倒计时代码示例(0个评论)
    • Python + zipfile库实现zip文件解压自动化脚本示例(0个评论)
    • python爬虫BeautifulSoup快速抓取网站图片(1个评论)
    • vscode 配置 python3开发环境的方法(0个评论)
    • 近期文章
    • 在go中实现一个常用的先进先出的缓存淘汰算法示例代码(0个评论)
    • 在go+gin中使用"github.com/skip2/go-qrcode"实现url转二维码功能(0个评论)
    • 在go语言中使用api.geonames.org接口实现根据国际邮政编码获取地址信息功能(1个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf分页文件功能(0个评论)
    • gmail发邮件报错:534 5.7.9 Application-specific password required...解决方案(0个评论)
    • 欧盟关于强迫劳动的规定的官方举报渠道及官方举报网站(0个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf文件功能(0个评论)
    • Laravel从Accel获得5700万美元A轮融资(0个评论)
    • 在go + gin中gorm实现指定搜索/区间搜索分页列表功能接口实例(0个评论)
    • 在go语言中实现IP/CIDR的ip和netmask互转及IP段形式互转及ip是否存在IP/CIDR(0个评论)
    • 近期评论
    • 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..
    • 2016-10
    • 2016-11
    • 2018-04
    • 2020-03
    • 2020-04
    • 2020-05
    • 2020-06
    • 2022-01
    • 2023-07
    • 2023-10
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客