标签：开源 font com inline tao print 结果 safari color
现在我们想要使用爬虫爬取淘宝上的手机图片，那么该如何爬取呢？该做些什么准备工作呢？
首先，我们需要分析网页，先看看网页有哪些规律
打开淘宝网站http://www.taobao.com/
我们可以看到左侧是主题市场，将鼠标移动到【女装/男装/内衣】这一栏目，我们可以看到更细类的展示
假如我们现在需要爬取【羽绒服】，那么我们进入到【羽绒服】衣服这个界面
此时查看浏览器地址，我们可以看到
网址复制到word或者其他地方会发生url转码
我们可以选中【羽绒服模块的第1,2,3页进行网址对比】，对比结果如下：
从上图我们可以看出：三页的s值都是相差60
然后我们再看下图片地址：
图片中标记的地方或许是两个图片最大的差别，于是打开源代码搜索
图片1搜索结果
图片2搜索结果
从两个网址我们发现了共同的特征：都是以"pic_url":"//开头，网址分析到此结束，那么我们接下来就写代码了。
代码如下：
import urllib.request import re #设置关键字 keywords = "羽绒服" #quote函数进行url编码(屏蔽特殊的字符) key = urllib.request.quote(keywords) #设置User-Agent headers=("User_Agent","Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 SE 2.X MetaSr 1.0") #自定义opener opener = urllib.request.build_opener() opener.addheaders = [headers] urllib.request.install_opener(opener) #循环遍历抓取 for i in range(0,2): url = "https://s.taobao.com/list?spm=a21bo.2017.201867-links-0.3.5af911d9rLmo4K&q="+key+"&cat=16&style=grid&seller_type=taobao&bcoffset=12&s="+str(i*60) #print(url) content = urllib.request.urlopen(url).read().decode("utf-8","ignore") rule = ‘"pic_url":"//(.*?)"‘ #正则匹配 imglist = re.compile(rule).findall(content) #获取图片列表 for j in range(0,len(imglist)): img = imglist[j] imgurl = "http://"+img file = "D://source//img//"+str(i)+str(j)+".jpg" urllib.request.urlretrieve(imgurl,filename=file)
爬取完毕后，我们可以打开D:\source\img查看
我们已经成功爬取，并且爬取的图片与页面上是一致的。
标签：开源 font com inline tao print 结果 safari color
原文地址：https://www.cnblogs.com/OliverQin/p/8907248.html
