Python爬取淘宝美女信息

Python爬取淘宝美女信息下载本地并同时存储mysql数据库,存储数据库用到了pymysql模块,sql语句简单好用,直接上代码,源码请点链接Python-Spiders文集
简单介绍下爬取文件结构,使用Python3版本书写代码,Python2和Python3存在一些差异,并且Python2到2020年就不会更新了,还是尽快转到Python3上面进行编程为好,项目分为存储本地和存储mysql两部分。

项目结构:
本地存储,判断文件和文件夹是否存在,不存在继续下载
存储mysql数据库,pymysql模块链接数据库,用游标对象来操作数据库,判断数据库是否存在改数据,不存在就插入,存在就跳过

代码展示

from urllib import request, parse, error
import json
import os
import pymysql
import ssl
# 请求链接需要设置ssl认证
ssl._create_default_https_context = ssl._create_unverified_context

class TaoBao():

    def __init__(self):
        # 设置头部
        self.headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36'}
        # 设置get参数
        self.params = {'_input_charset': 'utf-8',
                  'q': '',
                  'viewFlag': 'A',
                  'sortType': 'default',
                  'searchStyle': '',
                  'searchRegion': 'city',
                  'searchFansNum': '',
                  'currentPage': '',
                  'pageSize': '20'
                  }
        self.url = 'https://mm.taobao.com/tstar/search/tstar_model.do'

    def get_connect(self):

        self.tablename = 'taobao'
        self.db = pymysql.connect(host='127.0.0.1', user='root', passwd='', db='test', charset='utf8')
        self.cur = self.db.cursor()
        self.cur.execute('USE test')
        try:
            # 创建表
            self.cur.execute('CREATE TABLE '+self.tablename+' (id BIGINT(7) NOT NULL AUTO_INCREMENT, name VARCHAR(100), city VARCHAR(20), height VARCHAR(10), weight VARCHAR(10), homepage VARCHAR(100), profile VARCHAR(100), pic VARCHAR(100), created TIMESTAMP DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY(id))')
        except pymysql.err.InternalError as e:
            print(e)
        # 修改表字段
        self.cur.execute('ALTER DATABASE test CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci')
        self.cur.execute('ALTER TABLE '+self.tablename+' CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci')
        self.cur.execute('ALTER TABLE '+self.tablename+' CHANGE name name VARCHAR(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci')
        self.cur.execute('ALTER TABLE '+self.tablename+' CHANGE city city VARCHAR(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci')
        self.cur.execute('ALTER TABLE '+self.tablename+' CHANGE height height VARCHAR(10) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci')
        self.cur.execute('ALTER TABLE '+self.tablename+' CHANGE weight weight VARCHAR(10) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci')
        self.cur.execute('ALTER TABLE '+self.tablename+' CHANGE homepage homepage VARCHAR(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci')
        self.cur.execute('ALTER TABLE '+self.tablename+' CHANGE profile profile VARCHAR(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci')
        self.cur.execute('ALTER TABLE '+self.tablename+' CHANGE pic pic VARCHAR(100) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci')

    def insert_table(self,name, city, height, weight, hompage, profile, pic):
        self.cur.execute('INSERT INTO '+self.tablename+' (name, city, height, weight, homepage, profile, pic) VALUES (\"%s\", \"%s\", \"%s\", \"%s\", \"%s\", \"%s\", \"%s\")', (name, city, height, weight, hompage, profile, pic))
        self.cur.connection.commit()

    def get_html(self,page):
        self.params['currentPage'] = str(page)
        # urlencode可以把字典=键值对编码成url地址中get参数
        self.param = parse.urlencode(self.params).encode('utf-8')
        # data=self.param 上传参数
        req = request.Request(self.url, data=self.param, headers=self.headers)
        content = request.urlopen(req)
        content = json.loads(content.read().decode('gbk'))
        if content['status'] == -1:
            return -1
        return content

    def parser_json(self,content, page):
        meinvist = []
        # 解析json数据
        data = content['data']['searchDOList']
        for list in data:
            temp = {}
            temp['id'] = str(list['userId'])
            temp['name'] = list['realName']
            temp['city'] = list['city']
            temp['height'] = str(list['height'])
            temp['weight'] = str(list['weight'])
            temp['favornum'] = str(list['totalFavorNum'])
            temp['profile'] = 'http:'+list['avatarUrl']
            temp['pic'] = 'http:'+list['cardUrl']

            # meinvist.append(temp)
            self.mkdir(temp['name'])
            print('%s正在抓取%s'%(page, temp['name']))
            self.get_img(temp['profile'], temp['name'], 'profile')
            self.get_img(temp['pic'], temp['name'], 'pic')
            if not os.path.exists('./'+temp['name']+'/info.txt'):
                with open('./'+temp['name']+'/info.txt', 'w') as f:
                    f.write(temp['name']+'\n')
                    f.write(temp['city']+'\n')
                    f.write(temp['height']+'\n')
                    f.write(temp['weight']+'\n')
            # 插入数据库
            self.insert_table(temp['name'], temp['city'], temp['height'], temp['weight'], 'https://mm.taobao.com/self/aiShow.htm?userId='+temp['id'], temp['profile'], temp['pic'])
        # return meinvist

    # 判断文件夹是否存在
    def mkdir(self,path):
        if not os.path.exists(path):
            os.makedirs(path)
        else:
            print('目录已存在!')

    # 判断文件是否存在
    def get_img(self,url, path, name):
        if os.path.exists('./' + path + '/' + name + '.jpg'):
            print('文件已存在!')
            return 0
        try:
            req = request.Request(url, headers=self.headers)
            reponse = request.urlopen(req)
            get_img = reponse.read()
            with open('./' + path + '/' + name + '.jpg', 'wb') as fp:
                fp.write(get_img)
            # 也可以用一下代码实现图片的下载
            # request.urlretrieve(img, './' + path + '/' + name + '.jpg')
        except error.URLError as e:
            print(e.reason)

if __name__ == '__main__':
    page = 1
    taobao = TaoBao()
    taobao.get_connect()
    while True:
        content = taobao.get_html(page)
        if content == -1:
            print('抓取完毕!')
            exit()
        # 解析json
        taobao.parser_json(content, page)
        page += 1

更多爬虫案例请移步GithubPython-Spider,如果侵犯了某网站的权益,请联系我,我会马上删除相关信息。

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
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,847评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,208评论 1 292
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,587评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,942评论 0 205
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,332评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,587评论 1 218
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,853评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,568评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,273评论 1 242
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,542评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,033评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,373评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,031评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,073评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,830评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,628评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,537评论 2 269

推荐阅读更多精彩内容