| 标题 | 简单的抓取图片的Python爬虫 |
| 范文 | 代码如下: # -*- coding: cp936 -*- import urllib2 import urllib mmurl="http://xxxxxx.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 ahref='<a 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.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 |
| 随便看 |
|
在线学习网范文大全提供好词好句、学习总结、工作总结、演讲稿等写作素材及范文模板，是学习及工作的有利工具。