python爬蟲獲取淘寶天貓商品詳細參數(shù)
更新時間：2020年06月23日 17:23:53 作者：sisteryaya
這篇文章主要為大家詳細介紹了python爬蟲獲取淘寶天貓商品詳細參數(shù)，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下
首先我是從淘寶進去，爬取了按銷量排序的所有（100頁）女裝的列表信息按綜合、銷量分別爬取淘寶女裝列表信息，然后導出前100商品的 link，爬取其詳細信息。這些商品有淘寶的，也有天貓的，這兩個平臺有些區(qū)別，處理的時候要注意。比如，有的說“面料”、有的說“材質(zhì)成分”，其實是一個意思，等等?？梢匀〔煌逆溄幼鲆幌聹y試。
import re
from collections import OrderedDict
from bs4 import BeautifulSoup
from pyquery import PyQuery as pq #獲取整個網(wǎng)頁的源代碼
from config import * #可引用congif的所有變量
import pymysql
import urllib
import json
import bs4
import requests
from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from pyquery import PyQuery as pq #獲取整個網(wǎng)頁的源代碼
import pandas as pd
# 測試 淘寶+天貓，可完整輸出及保存
browser = webdriver.Firefox()
wait = WebDriverWait(browser,10)
####### 天貓上半部分詳情 #############
def get_tianmao_header(url):
browser.get(url)
# wait.until(EC.presence_of_all_elements_located((By.CSS_SELECTOR,'#mainsrp-itemlist .items .item'))) #加載所有寶貝
html=browser.page_source
doc = pq(html)
# print(doc)
info = OrderedDict() # 存放該商品所具有的全部信息
items = doc('#page')
# info['店鋪名'] = items.find('.slogo').find('.slogo-shopname').text()
# info['ID'] = items.find('#LineZing').attr['itemid']
info['寶貝'] = items.find('.tb-detail-hd').find('h1').text()
info['促銷價'] = items.find('#J_PromoPrice').find('.tm-promo-price').find('.tm-price').text()
info['原價'] = items.find('#J_StrPriceModBox').find('.tm-price').text()
# '月銷量' :items.find('.tm-ind-panel').find('.tm-ind-item tm-ind-sellCount').find('.tm-indcon').find('.tm-count').text(),
info['月銷量'] = items.find('.tm-ind-panel').find('.tm-indcon').find('.tm-count').text().split(' ',2)[0]
info['累計評價'] = items.find('#J_ItemRates').find('.tm-indcon').find('.tm-count').text()
# print(info)
return info
######## 淘寶上半部分詳情 ###############
def get_taobao_header(url):
browser.get(url)
# wait.until(EC.presence_of_all_elements_located((By.CSS_SELECTOR,'#mainsrp-itemlist .items .item'))) #加載所有寶貝
html=browser.page_source
doc = pq(html)
# print(doc)
info = OrderedDict() # 存放該商品所具有的全部信息
items = doc('#page')
# info['店鋪名'] = items.find('.tb-shop-seller').find('.tb-seller-name').text()
# info['ID'] = items.find('#J_Pine').attr['data-itemid']
info['寶貝'] = items.find('#J_Title').find('h3').text()
info['原價'] = items.find('#J_StrPrice').find('.tb-rmb-num').text()
info['促銷價'] = items.find('#J_PromoPriceNum').text()
# '月銷量' :items.find('.tm-ind-panel').find('.tm-ind-item tm-ind-sellCount').find('.tm-indcon').find('.tm-count').text(),
info['月銷量'] = items.find('#J_SellCounter').text()
info['累計評價'] = items.find('#J_RateCounter').text()
# print(info)
return info
####################### 詳情 ############################
# 抓取所有商品詳情
def get_Details(attrs,info):
# res = requests.get(url)
# soup = BeautifulSoup(res.text, "html.parser")
#
# attrs = soup.select('.attributes-list li')
# attrs= [<li title=" 薄">厚薄: 薄</li>, <li title=" 其他100%">材質(zhì)成分: 其他100%</li>,<li ...</li>]
attrs_name = []
attrs_value = []
'''''
[\s] 匹配空格，[\s]*,后面有 *，則可以為空
* : 匹配前面的子表達式任意次
'''
for attr in attrs:
attrs_name.append(re.search(r'(.*?):[\s]*(.*)', attr.text).group(1))
attrs_value.append(re.search(r'(.*?):[\s]*(.*)', attr.text).group(2))
# print('attrs_name=',attrs_name) # attrs_name= ['厚薄', '材質(zhì)成分', ...]
# print('attrs_value=',attrs_value) # attrs_value= ['薄', '其他100%', ...]
allattrs = OrderedDict() # 存放該產(chǎn)品詳情頁面所具有的屬性
for k in range(0, len(attrs_name)):
allattrs[attrs_name[k]] = attrs_value[k]
# print('allattrs=',allattrs) # allattrs= OrderedDict([('厚薄', '薄'), ('材質(zhì)成分', '其他100%'),...])
# info = OrderedDict() # 存放該商品所具有的全部信息
# info = get_headdetail2(url)
# 下面三條語句獲取描述、服務、物流的評分信息
# 下面的語句用來判斷該商品具有哪些屬性，如果具有該屬性，將屬性值插入有序字典，否則，該屬性值為空
# 適用場景
if '材質(zhì)成分' in attrs_name:
info['材質(zhì)成分'] = allattrs['材質(zhì)成分']
elif '面料' in attrs_name:
info['材質(zhì)成分'] = allattrs['面料']
else:
info['材質(zhì)成分'] = 'NA'
# 適用對象
if '流行元素' in attrs_name:
info['流行元素'] = allattrs['流行元素']
else:
info['流行元素'] = 'NA'
#季節(jié)
if '年份季節(jié)' in attrs_name:
info['年份季節(jié)'] = allattrs['年份季節(jié)']
else:
info['年份季節(jié)'] = 'NA'
# 款式
if '袖長' in attrs_name:
info['袖長'] = allattrs['袖長']
else:
info['袖長'] = 'NA'
# 尺碼
if '銷售渠道類型' in attrs_name:
info['銷售渠道類型'] = allattrs['銷售渠道類型']
else:
info['銷售渠道類型'] = 'NA'
# 帽頂款式
if '貨號' in attrs_name:
info['貨號'] = allattrs['貨號']
else:
info['貨號'] = 'NA'
# 帽檐款式
if '服裝版型' in attrs_name:
info['服裝版型'] = allattrs['服裝版型']
else:
info['服裝版型'] = 'NA'
# 檐形
if '衣長' in attrs_name:
info['衣長'] = allattrs['衣長']
else:
info['衣長'] = 'NA'
# 主要材質(zhì)
if '領型' in attrs_name:
info['領型'] = allattrs['領型']
else:
info['領型'] = 'NA'
# 人群
if '袖型' in attrs_name:
info['袖型'] = allattrs['袖型']
else:
info['袖型'] = 'NA'
# 品牌
if '品牌' in attrs_name:
info['品牌'] = allattrs['品牌']
else:
info['品牌'] = 'NA'
# 風格
if '圖案' in attrs_name:
info['圖案'] = allattrs['圖案']
elif '中老年女裝圖案' in attrs_name:
info['圖案'] = allattrs['中老年女裝圖案']
else:
info['圖案'] = 'NA'
# 款式細節(jié)
if '服裝款式細節(jié)' in attrs_name:
info['服裝款式細節(jié)'] = allattrs['服裝款式細節(jié)']
else:
info['服裝款式細節(jié)'] = 'NA'
# 適用年齡
if '適用年齡' in attrs_name:
info['適用年齡'] = allattrs['適用年齡']
else:
info['適用年齡'] = 'NA'
# 風格
if '風格' in attrs_name:
info['風格'] = allattrs['風格']
elif '中老年風格' in attrs_name:
info['風格'] = allattrs['中老年風格']
else:
info['風格'] = 'NA'
#通勤
if '通勤' in attrs_name:
info['通勤'] = allattrs['通勤']
else:
info['通勤'] = 'NA'
if '裙長' in attrs_name:
info['裙長'] = allattrs['裙長']
else:
info['裙長'] = 'NA'
if '裙型' in attrs_name:
info['裙型'] = allattrs['裙型']
else:
info['裙型'] = 'NA'
if '腰型' in attrs_name:
info['腰型'] = allattrs['腰型']
else:
info['腰型'] = 'NA'
# 顏色分類
if '主要顏色' in attrs_name:
info['主要顏色'] = allattrs['主要顏色']
else:
info['主要顏色'] = 'NA'
if '顏色分類' in attrs_name:
info['主要顏色'] = allattrs['顏色分類']
else:
info['主要顏色'] = 'NA'
#尺碼
if '尺碼' in attrs_name:
info['尺碼'] = allattrs['尺碼']
else:
info['尺碼'] = 'NA'
if '組合形式' in attrs_name:
info['組合形式'] = allattrs['組合形式']
else:
info['組合形式'] = 'NA'
if '褲長' in attrs_name:
info['褲長'] = allattrs['褲長']
else:
info['褲長'] = 'NA'
return info
import csv
def main():
# 提取 列
with open('clothes_detai.csv', 'w', newline='', encoding='utf-8') as csvfile:
# fieldnames = ['店鋪ID','店鋪名','鏈接','寶貝','原價','促銷價','月銷量','累計評價','材質(zhì)成分','流行元素','袖長','年份季節(jié)','銷售渠道類型','貨號','服裝版型','衣長','領型','袖型',
# '裙型','裙長','腰型','褲長','組合形式','品牌','圖案','服裝款式細節(jié)', '適用年齡','風格','通勤','主要顏色','尺碼']
fieldnames=[ 'Link','Brand','Title','Price','Sale price','Sales','Evaluations',
'Component', 'Fashion elements','Sleeve','Seasons','Sales channels',
'Number','Clothes_Style','Long','Collar type','Sleeve type',
'Skirt type','Skirt length','Waist','Combining form','Outseam',
'Design','Fashion pattern detail','Applicable age',
'Style','Commuter','color','Size']
# 'Shop','Data_id','Shop_id','Shop','Link','Data_id',
writer = csv.DictWriter(csvfile, fieldnames = fieldnames)
writer.writeheader()
# urls = ['//detail.tmall.com/item.htm?spm=a230r.1.14.1.ebb2eb2eGyUw1&id=549177691667&ns=1&abbucket=4',
# '//item.taobao.com/item.htm?id=548443640333&ns=1&abbucket=0#detail']
f = pd.read_csv('women_clothes_sales2.csv')
urls = f['link'][0:100]
# sh = f['shop_id'][0:3]
# s = f['shop'][0:3]
# for url in urls:
# print(url)
# writer.writerow({'店鋪ID':f['shop_id'],'店鋪名':f['shop']})
keys, values = [], []
# for url in urls:
for i in urls:
url = 'http:' + i
# endswith 判斷字符串是否以指定的字符串結尾
if url.endswith('detail'):
info = get_taobao_header(url)
res = requests.get(url)
soup = BeautifulSoup(res.text, "html.parser")
attrs = soup.select('.attributes-list li') # 淘寶 class
else:
info = get_tianmao_header(url)
res = requests.get(url)
soup = BeautifulSoup(res.text, "html.parser")
attrs = soup.select('#J_AttrUL li') # 天貓 id
# print('attrs=',attrs)
d = get_Details(attrs,info)
print(d)
# for j in f[shop_id]:
# d['店鋪ID'] = j
# for s in f['shop']:
# d['店鋪名'] = s
#'Shop':d['店鋪名'],'Data_id':d['ID'],
writer.writerow({'Link':url,'Brand':d['品牌'],'Title':d['寶貝'], 'Price':d['原價'], 'Sale price':d['促銷價'], 'Sales':d['月銷量'], 'Evaluations':d['累計評價'],
'Component':d['材質(zhì)成分'], 'Fashion elements':d['流行元素'], 'Sleeve':d['袖長'], 'Seasons':d['年份季節(jié)'], 'Sales channels':d['銷售渠道類型'],
'Number':d['貨號'],'Clothes_Style':d['服裝版型'],'Long':d['衣長'],'Collar type':d['領型'], 'Sleeve type':d['袖型'],
'Skirt type':d['裙型'], 'Skirt length':d['裙長'], 'Waist':d['腰型'], 'Combining form':d['組合形式'], 'Outseam':d['褲長'],
'Design':d['圖案'], 'Fashion pattern detail':d['服裝款式細節(jié)'], 'Applicable age':d['適用年齡'],
'Style':d['風格'], 'Commuter':d['通勤'], 'color':d['主要顏色'], 'Size':d['尺碼']})
if __name__=='__main__':
main()
以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
您可能感興趣的文章:
相關文章
python 實現(xiàn)二維字典的鍵值合并等函數(shù)
今天小編就為大家分享一篇python 實現(xiàn)二維字典的鍵值合并等函數(shù)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12
Python列表reverse()函數(shù)使用方法詳解
這篇文章主要詳細介紹了Python列表reverse()函數(shù)使用方法，文章通過代碼示例講解的非常詳細，對我們的學習或工作有一定的幫助,需要的朋友可以參考下2023-07-07
這篇文章主要介紹了numpy之sum()的使用及說明，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-02-02
這篇文章主要向我們詳細介紹了Python描述器descriptor,需要的朋友可以參考下2015-02-02
安裝Python第三方包有多種方法,下面這篇文章主要給大家介紹了關于python安裝第三方包的三種方法,文中通過圖文的非常詳細,需要的朋友可以參考下2024-03-03
python利用Appium實現(xiàn)自動控制移動設備并提取數(shù)據(jù)功能
這篇文章主要介紹了python利用Appium自動控制移動設備并提取數(shù)據(jù),本文以控制抖音app滑動并獲取抖音短視頻發(fā)布者為例，通過實例代碼給大家介紹的非常詳細，需要的朋友可以參考下2021-09-09
這篇文章主要為大家詳細介紹了python實現(xiàn)雨滴下落到地面效果，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-06-06
本文介紹了Python中的上下文管理器，以及如何結合with語句來使用上下文管理器，并且總結了一下with 語句的執(zhí)行流程。在很多情況下，with語句可以簡化代碼，并增加代碼的健壯性。2017-10-10
Django中針對基于類的視圖添加csrf_exempt實例代碼
這篇文章主要介紹了Django中針對基于類的視圖添加csrf_exempt實例代碼，分享了相關代碼示例，小編覺得還是挺不錯的，具有一定借鑒價值，需要的朋友可以參考下2018-02-02
這篇文章主要介紹了python?pandas中的agg函數(shù)用法，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-05-05