網絡爬蟲爬取淘寶商品頁面數據


import requests
import re
from bs4 import BeautifulSoup
import bs4

'''
數據線起始頁https://s.taobao.com/search?q=%E4%B9%A6%E5%8C%85&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.2017.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306
數據線第二頁https://s.taobao.com/search?q=%E4%B9%A6%E5%8C%85&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.2017.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306&bcoffset=3&ntoffset=3&p4ppushleft=1%2C48&s=44
數據線第三頁https://s.taobao.com/search?q=%E4%B9%A6%E5%8C%85&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.2017.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306&bcoffset=0&ntoffset=6&p4ppushleft=1%2C48&s=88
'''
def get_html_text(url):
    try:
        r=requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding=r.apparent_encoding
        return r.text
    except :
        return '該網頁請求連接失敗'

#通過腳本語言編寫的html代碼,不是完整的html語言,直接搜索相對比較簡單
#正則表達式原生字符串你還沒有理解,最小匹配原則  視頻時間11:20
def parse_page(list_info,html):
    try:
        list_price=re.findall(r'"view_price":"[\d.]*"',html)
        list_title=re.findall(r'"raw_title":".*?"',html)
        list_location=re.findall(r'"item_loc":".*?"',html)
        #list_num_payment=re.findall(r'"view_sales":"u"',html)
        for i in range(len(list_price)):
            price=eval(list_price[i].split(':')[1])
            title=eval(list_title[i].split(':')[1])
            location=eval(list_location[i].split(':')[1])
            #num_payment=eval(list_num_payment.split(':')[1])
            #list_info.append([price,num_payment,location,title])
            list_info.append([price,location,title])
    except :
        print('解析網頁出現異常')

def print_goods_info(list_info):
    #tplt='{:4}\t{:8}\t{:8}\t{:12}\t{:20}\t'
    tplt='{:4}\t{:8}\t{:12}\t{:20}\t'
    #print(tplt.format('序號','商品價格','付款人數','發貨地址','商品名稱'))
    print(tplt.format('序號','商品價格','發貨地址','商品名稱'))
    count=0
    for goods in list_info:
        count+=1
        #print(tplt.format(count,goods[0],goods[1],goods[2],goods[3]))
        print(tplt.format(count,goods[0],goods[1],goods[2]))

if __name__ == '__main__':
    goods='書包'
    depth=2
    start_url='https://s.taobao.com/search?q='+goods
    list_info=[]
    for i in range(depth):
        try:
            url=start_url+'&s='+str(44*i)
            html=get_html_text(url)
            parse_page(list_info,html)
        except:
            continue        #如果某一個頁面出現了問題,則會跳過該頁面的解析,而不會影響程序的整體運行
    print_goods_info(list_info)
    

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM