python爬蟲基礎之一（爬淘寶）

 沒想到python如此強大，

今天看一會視頻學會了一段python爬蟲

這就是我今天學到的內容爬去淘寶網關於書包的一些信息，包括價格，

#coding=utf-8

import requests#導入requests模塊
import re#導入re模塊

#提取網頁代碼通用表達式
def getHTMLText(url):
    try:
        r = requests.get(url,timeout=30)#獲取頁面的url鏈接
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""

#提取Html中的主要信息
def parseHtml(ilt,html):
    try:#下面是正則表達式處理文字信息
        plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"',html)
        flt = re.findall(r'\"raw_title\"\:\".*?\"',html)
        for i in range(len(plt)):
            price =  eval(plt[i].split(":")[1])#eval 可以將前后的”“去掉
            name = eval(flt[i].split(":")[1])#split 可以分割字符串到列表紅
            ilt.append([price,name])
    except:
        print("")

#將格式打印出來
def printGoodsPrice(ilt):
    try:#讓排版更清晰
        tplt = "{:4}\t{:8}\t{:16}"
        print(tplt.format("序號","價格","商品名稱"))
        count = 0;
        for g in ilt:
            count = count+1
            print(tplt.format(count,g[0],g[1]))
    except:
        print("")

def main():
    goods = '書包'#提取的商品
    depth = 2 #提取的深度
    url = 'https://s.taobao.com/search?q='+goods
    ilt = []
    i = 0
    for i in range(depth):
        try:
            irl = url + '&s=' +  str(i*44)#這個地方的改動可以影響提取內容
            html = getHTMLText(irl)
            parseHtml(ilt,html)
        except:
            continue
    printGoodsPrice(ilt)#打印處理

main()