简单爬虫

import urllib.request
import re
import urllib.error

keyname = "短裙"
key = urllib.request.quote(keyname) #进行编码

#伪装浏览器 （因为淘宝能够识别是否为爬虫程序）
headers = ("User-Agent","Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36")
opener = urllib.request.build_opener()
opener.addheaders = [headers]
#将opener添加为全局
urllib.request.install_opener(opener)

#要爬取多少页那么进行多少次循环
for i in range(3,5):
    url = "https://s.taobao.com/search?q="+key+"&imgfile=&js=1&stats_click=search_radio_all%3A1&initiative_id=staobaoz_20171209&ie=utf8&bcoffset=4&ntoffset=4&p4ppushleft=1%2C48&s="+str(i * 44)
    #先对所在的页面的主页进行爬取读取内容，也就是读取源码
    data = urllib.request.urlopen(url).read().decode("utf-8","ignore")
    #构造正则表达式
    pattern = 'pic_url":"//(.*?)"'
    #在当前页根据正则进行查找，查找到的所有连接存储为一个list
    imagelist = re.compile(pattern).findall(data)
    #遍历列表进行每个图片的存储到本地文件夹
    for j in range(0,len(imagelist)):
        thisimg = imagelist[j]
        thisimageurl = "http://"+thisimg
        file = "/home/tarena/aid1808/pbase/pachong/tupian/"+"b"+str(i)+str(j)+".jpg"
        urllib.request.urlretrieve(thisimageurl,file)
        print('第%d%d张'%(i,j))