爬虫简单应用之爬取京东手机图片

import re
import urllib.request
#只能爬取非延时加载的图片,匹配方式为正则匹配
def craw(url,page):

    #decode之后html字符串将以页面形式展现
    # 正则匹配时需要加上re.S来匹配换行符,因为.默认不匹配换行符
    #也可以不加re.S,这时就不要decode,html中中文以unicode字符展现,
    # 此时html为bytes,需要强转为str进行匹配
    html = urllib.request.urlopen(url).read().decode('utf-8')
    #html = str(html)
    pattern1 = '<div id="plist".*?<div class="page clearfix">'
    str1 = re.compile(pattern1,re.S).findall(html)[0]
    pattern2 = '![](//(.*?\.jpg))'
    imageurls = re.compile(pattern2).findall(str1)
    x = 1
    para2 = str(x)
    for imageurl in imageurls:
        imagename = 'D:/image/'+str(page)+str(x)+'.jpg'
        print(imagename)
        imageurl = 'http://'+imageurl
        try:
            urllib.request.urlretrieve(imageurl,filename=imagename)
        except urllib.error.URLERROR as e:
            if hasattr(e,"code"):
                x+=1
            if hasattr(e,"reason"):
                x+=1
        x+=1


for i in range(1,79):
    url = "https://list.jd.com/list.html?cat=9987,653,655&page="+str(i)
    craw(url,i)
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容