淘宝商品定向爬取
2018-12-09 11:20:41来源:博客园 阅读 ()
淘宝商品比价定向爬虫
功能描述:
1、目标:获取淘宝搜索页面的信息,提取其中的商品名称和价格
2、理解:淘宝的搜索接口,翻页处理
技术路线:requests + re
程序的结构设计:
1、提交商品搜索的请求,循环获取页面。
2、对于每个页面,提取商品名称和价格信息。
3、将信息输出到屏幕上。
重要:在淘宝获取页面时,淘宝设置了登录验证才能访问,此时在requests请求时,需要设置cookies和user-agent。
import requests import re def getHTMLText(url,kv,cookies): try: r=requests.get(url,headers = kv,cookies = cookies,timeout = 30) r.raise_for_status() r.encoding = r.apparent_encoding return r.text except: return "" def parsePage(ilt,html): try: plt = re.findall(r' \"view_price\"\:\"[\d\.]*\" ',html) tlt = re.findall(r' \"raw_title\"\:\".*?\" ',html) for i in range(len(plt)): price = eval(plt[i].split(':')[1]) title = eval(tlt[i].split(':')[1]) ilt.append([price,title]) except: print("") def printGoodList(ilt): tplt = "{:4}\t{:8}\t{:16}" print(tplt.format("序号","价格","商品名称")) count = 0 for g in ilt: count = count +1 print(tplt.format(count,g[0],g[1])) def main(): goods = '书包' depth = 3 start_url = 'https://s.taobao.com/search?&q=' + goods coo = 'thw=cn; t=254ecf83ad9b49c70d383c71e214fab2;cna=kbBgFFO2dU8CAXFzKR/6/wq5; tg=0;enc=xWaBwIc%2BqZfhPca6P6g4cz34emAsVK3LjzRsT%2FkMfk5Ja31%2BmjMxGvBDJ%2B82Q2pJLJ83dUH5lBPAw%2BpI53L4%2BQ%3D%3D; hng=CN%7Czh-CN%7CCNY%7C156; x=e%3D1%26p%3D*%26s%3D0%26c%3D0%26f%3D0%26g%3D0%26t%3D0; tracknick=xxp158125132; lgc=xxp158125132; _cc_=URm48syIZQ%3D%3D; uc3=vt3=F8dByR1TOm%2BGeyLp6rE%3D&id2=VWeYZoAnISaO&nk2=G5htj%2BHk8f8ST03J&lg2=W5iHLLyFOGW7aA%3D%3D; mt=ci=94_1; v=0; cookie2=1794e2e0aad3f137168e0a64b250dced; _tb_token_=e33e0373befbe; isg=BEtLnz2UkxogtcghrE2mANjZ2u8_4F80dJ1mYL1IJwrh3Gs-RbDvsul6spyXJ7da' cookies = {} for line in coo.split(';'): name,value=line.strip().split('=',1) cookies[name]=value kv = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36'} infoList = [] for i in range(depth): try: url = start_url+'&s=' + str(44*i) html = getHTMLText(url,kv,cookies) parsePage(infoList,html) except: continue printGoodsList(infoList) main()
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
- python爬虫学习之淘宝模拟登录 2019-08-13
- python3爬虫-通过selenium获取到dj商品 2019-04-25
- Django中重定向页面的时候使用命名空间 2019-01-16
- django重定向 2018-12-24
- 爬虫之股票定向爬取 2018-12-09
IDC资讯: 主机资讯 注册资讯 托管资讯 vps资讯 网站建设
网站运营: 建站经验 策划盈利 搜索优化 网站推广 免费资源
网络编程: Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它
服务器技术: Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护
软件技巧: 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷
网页制作: FrontPages Dreamweaver Javascript css photoshop fireworks Flash