MyException - 我的异常网
当前位置:我的异常网» 行业应用 » 网页爬虫进阶系列之京东商品图片爬虫打造

网页爬虫进阶系列之京东商品图片爬虫打造

www.MyException.Cn  网友分享于:2018-03-30  浏览:0次
网页爬虫进阶系列之京东商品图片爬虫制作

本文演示使用八爪鱼抓取京东商品图片的方法:首先将京东商品搜索结果网页中图片的URL抓取下来。。



在开始之前,可以先参考一下这些文章,希望有帮助:
小白30分钟学会网页爬虫
网页爬虫真实案例记录

 

文中用到的爬虫工具(官网),只作为演示使用,实际应用中可以替换成自己拿手的工具或代码语言即可。

 

演示网址:京东商品搜索页面比如手表(可更换其他关键词对京东商品图片进行抓取):

https://search.jd.com/Search?keyword=手表&enc=utf-8

 

使用功能点:

l 翻页设置 功能详情说明

l 图片链接抓取 功能详情说明

 

步骤1:创建京东图片抓取任务

1)进入八爪鱼抓取器主界面,选择自定义模式

 

大图>>

 

2)将上面网址的网址复制粘贴到网站输入框中, “保存网址”

 

大图>>

 

3)保存网址后,页面将在八爪鱼抓取器打开,红色方框中的图片是这次演示要抓取的图片。

 

大图>>

 

4)由于京东商品列表中的图片是滚动加载的,所以需要设置滚动页面才能保证京东图片能正常的抓取下来。步骤为 右上角流程按钮,选择流程图框中的打开网页,设置滚动页面如下图所示,如果抓取的图片出错,可以把每次间隔时间调高,

 

大图>>

 

步骤2:创建翻页循环

l 找到翻页按钮,设置翻页循环

l 设置ajax翻页时间

l 设置滚动页面

1)将页面下拉到底部,找到下一页按钮,鼠标 ,在右侧操作提示框中,

选择“循环 下一页”这个选项。

 

大图>>

 

2)选择右上角的流程按钮, 流程图中的 翻页按钮,然后选中ajax加载数据,时间选择2秒。

 

大图>>

 

3)设置滚动页面,滚动次数为20次,时间可以根据抓取的出错率进行相应的提高。

 

大图>>

 

步骤3:京东商品图片链接抓取

l 选中抓取的京东商品图片,创建图片的抓取列表

l 提取图片链接

1) 需要抓取的图片, “选中全部”

 

大图>>

 

2)当前页面中所有的图片地址将会被选中, “抓取以下图片地址”

 

大图>>

注意: 在提示框中的字段上会出现一个“X”标识, 即可删除该字段。

 

4)修改抓取任务名、字段名,并 下方提示中的“保存并开始抓取”

 

大图>>

 

5)根据抓取的情况选择合适的抓取方式,这里选择“启动本地抓取”

 

大图>>

 

说明:本地抓取占用当前电脑资源进行抓取,如果存在抓取时间要求或当前电脑无法长时间进行抓取可以使用云抓取功能,云抓取在网络中进行抓取,无需当前电脑支持,电脑可以关机,可以设置多个云节点分摊任务,10个节点相当于10台电脑分配任务帮你抓取,速度降低为原来的十分之一;抓取到的数据可以在云上保存三个月,可以随时进行导出操作。

 

步骤4:数据抓取及导出

1)抓取完成后,会跳出提示,选择导出数据

2)选择合适的导出方式,将抓取好的数据导出

 

步骤5:将抓取好的京东商品图片URL批量转换为图片经过如上操作,我们已经得到了要抓取的图片的URL。接下来,再 八爪鱼专用的图片批量下载工具,将抓取到的图片URL中的图片,下载并保存到本地电脑中。

图片批量下载工具:https://pan.baidu.com/s/1c2n60NI

1)下载八爪鱼图片批量下载工具,双击文件中的MyDownloader.app.exe文件,打开软件

 

大图>>

 

2)打开File菜单,选择从EXCEL导入(目前只支持EXCEL格式文件)

 

大图>>

 

3)进行相关设置,设置完成后, OK即可导入文件

选择EXCEL文件:导入你需要下载图片地址的EXCEL文件

EXCEL表名:对应数据表的名称

文件URL列名:表内对应URL的列名称

保存文件夹名:EXCEL中需要单独一个列,列出图片想要保存到文件夹的路径,可以设置不同图片存放至不同文件夹

如果要把文件保存到文件夹,则路径需要以“”结尾,例如:“D:同步”,如果要下载后按照指定的文件名保存,则需要包含具体的文件名,例如“D:同步1.jpg”

如果下载的文件路径和文件名完全一样,则原先存在的文件会 除

 

大图>>

 

文中用到的爬虫工具(官网),只作为演示使用,实际应用中可以替换成自己拿手的工具或代码语言即可。

文章评论

Java 与 .NET 的平台发展之争
Java 与 .NET 的平台发展之争
漫画:程序员的工作
漫画:程序员的工作
程序员应该关注的一些事儿
程序员应该关注的一些事儿
中美印日四国程序员比较
中美印日四国程序员比较
那些性感的让人尖叫的程序员
那些性感的让人尖叫的程序员
程序员周末都喜欢做什么?
程序员周末都喜欢做什么?
做程序猿的老婆应该注意的一些事情
做程序猿的老婆应该注意的一些事情
鲜为人知的编程真相
鲜为人知的编程真相
我的丈夫是个程序员
我的丈夫是个程序员
当下全球最炙手可热的八位少年创业者
当下全球最炙手可热的八位少年创业者
Web开发人员为什么越来越懒了?
Web开发人员为什么越来越懒了?
为什么程序员都是夜猫子
为什么程序员都是夜猫子
我跳槽是因为他们的显示器更大
我跳槽是因为他们的显示器更大
程序猿的崛起——Growth Hacker
程序猿的崛起——Growth Hacker
总结2014中国互联网十大段子
总结2014中国互联网十大段子
程序员都该阅读的书
程序员都该阅读的书
Web开发者需具备的8个好习惯
Web开发者需具备的8个好习惯
我是如何打败拖延症的
我是如何打败拖延症的
代码女神横空出世
代码女神横空出世
亲爱的项目经理,我恨你
亲爱的项目经理,我恨你
Java程序员必看电影
Java程序员必看电影
聊聊HTTPS和SSL/TLS协议
聊聊HTTPS和SSL/TLS协议
2013年美国开发者薪资调查报告
2013年美国开发者薪资调查报告
编程语言是女人
编程语言是女人
每天工作4小时的程序员
每天工作4小时的程序员
程序员眼里IE浏览器是什么样的
程序员眼里IE浏览器是什么样的
程序员必看的十大电影
程序员必看的十大电影
团队中“技术大拿”并非越多越好
团队中“技术大拿”并非越多越好
旅行,写作,编程
旅行,写作,编程
10个帮程序员减压放松的网站
10个帮程序员减压放松的网站
初级 vs 高级开发者 哪个性价比更高?
初级 vs 高级开发者 哪个性价比更高?
十大编程算法助程序员走上高手之路
十大编程算法助程序员走上高手之路
程序员和编码员之间的区别
程序员和编码员之间的区别
什么才是优秀的用户界面设计
什么才是优秀的用户界面设计
写给自己也写给你 自己到底该何去何从
写给自己也写给你 自己到底该何去何从
科技史上最臭名昭著的13大罪犯
科技史上最臭名昭著的13大罪犯
“懒”出效率是程序员的美德
“懒”出效率是程序员的美德
老美怎么看待阿里赴美上市
老美怎么看待阿里赴美上市
程序员的鄙视链
程序员的鄙视链
5款最佳正则表达式编辑调试器
5款最佳正则表达式编辑调试器
如何区分一个程序员是“老手“还是“新手“?
如何区分一个程序员是“老手“还是“新手“?
“肮脏的”IT工作排行榜
“肮脏的”IT工作排行榜
 程序员的样子
程序员的样子
要嫁就嫁程序猿—钱多话少死的早
要嫁就嫁程序猿—钱多话少死的早
看13位CEO、创始人和高管如何提高工作效率
看13位CEO、创始人和高管如何提高工作效率
2013年中国软件开发者薪资调查报告
2013年中国软件开发者薪资调查报告
老程序员的下场
老程序员的下场
60个开发者不容错过的免费资源库
60个开发者不容错过的免费资源库
如何成为一名黑客
如何成为一名黑客
软件开发程序错误异常ExceptionCopyright © 2009-2015 MyException 版权所有