寫了一個抓taobao圖片的爬蟲，全是用if，for，while寫的，比較簡陋，入門作品。
從網頁http://mm.taobao.com/json/request_top_list.htm?type=0&page=中提取taobao模特的照片。
復制代碼
代碼如下:
# -*- coding: cp936 -*-
import urllib2
import urllib
mmurl=" http://mm.taobao.com/json/request_top_list.htm?type=0&page="
i=0#第二頁有個人的頁面沒圖片,會出現IO錯誤
while i<15:
??????? url=mmurl+str(i)
??????? #print url #打印出列表的url
??????? up=urllib2.urlopen(url)#打開頁面，存入句柄中
??????? cont=up.read()
??????? #print len(cont)#頁面的長度
??????? ahref='
??????? pa=cont.find(ahref)#找出網頁鏈接的頭部位置
??????? pt=cont.find(target,pa)#找出網頁鏈接的尾部位置
??????? for a in range(0,20):#如才能不把20硬編碼進去？如何找到文件結尾？
??????????????? urlx=cont[pa+len(ahref)-4:pt-2]#從頭部到尾部，將網頁鏈接存入變量
??????????????? if len(urlx) < 60:#如果網頁鏈接長度適合【len（）！！！！】
??????????????????? urla=urlx???? #那么就準備將其打印出來
??????????????????? print urla??? #這是想要的model個人URL
??????????????????? #########以下開始對model個人的URL進行操作#########
??????????????????? mup=urllib2.urlopen(urla)#打開model個人的頁面，存入句柄中
??????????????????? mcont=mup.read()#對model頁面的句柄進行讀出操作，存入mcont字符串
??????????????????? imgh="
??????????????????? iph=mcont.find(imgh)#找出【圖片】鏈接的頭部位置
??????????????????? ipt=mcont.find(imgt,iph)#找出【圖片】鏈接的尾部位置
??????????????????? for b in range(0,10):#又是硬編碼????
??????????????????????????? mpic=mcont[iph:ipt+len(imgt)]#原始圖片鏈接，鏈接字符的噪聲太大
??????????????????????????? iph1=mpic.find("http")#對上面的鏈接再過濾一次
??????????????????????????? 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>
??????????????????????????????????? pica=picx #【是len(picx)<100而不是picx!!】不然會不顯示
??????????????????????????????????? print pica
??????????????????????????????????? ############################
??????????????????????????????????? ###########開始下載pica這個圖片
??????????????????????????????????? urllib.urlretrieve(pica,"pic\\tb"+str(i)+"x"+str(a)+"x"+str(b)+".jpg")??????????????????????????????????
??????????????????????????????????? ###########?? pica圖片下載完畢.(加上各循環體的數字，以免名字重復)
??????????????????????????????????? ############################
??????????????????????????? iph=mcont.find(imgh,iph+len(imgh))#開始下一個循環
??????????????????????????? ipt=mcont.find(imgt,iph)
??????????????????? ############model個人URL內的【圖片鏈接】提取完畢##########
??????????????? pa=cont.find(ahref,pa+len(ahref))#將原來的頭部位作為起始點，繼續向后找下一個頭部
??????????????? pt=cont.find(target,pa)#繼續找下一個尾部
??????? i+=1
是不是很簡單呢，小伙伴們稍微修改下就可以抓取其他內容了的。。。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
