快捷導(dǎo)航

Python通過正則庫爬取淘寶商品信息代碼實(shí)例

更新時間：2020年03月02日 10:07:35 作者：江武555

這篇文章主要介紹了Python通過正則庫爬取淘寶商品信息代碼實(shí)例,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

使用正則庫爬取淘寶商品的商品信息，首先我們需要確定想要爬取的對象

我們在淘寶里搜索“python”,出來的結(jié)果

從url連接中可以得到搜索商品的關(guān)鍵字是“q=”，所以我們要用的起始url為：https://s.taobao.com/search?q=python

然后翻頁，經(jīng)過對比發(fā)現(xiàn)，翻頁后，變化的關(guān)鍵字是s，每次翻頁，s便以44的倍數(shù)增長（可以數(shù)一下每頁顯示的商品數(shù)量，剛好是44）
所以可以根據(jù)關(guān)鍵字“s=”，來設(shè)置爬取的深度（爬取多少頁）

右鍵查看源碼，商品名稱可能的關(guān)鍵字是“title”和“raw_title”，進(jìn)一步多看幾個商品的名稱，發(fā)現(xiàn)選取“raw_title”比較合適；商品價(jià)格自然就是“view_price”(通過比對淘寶商品展示頁面)；所以商品名稱和商品價(jià)格分別是以"raw_title":"名稱"和"view_price":"價(jià)格"，這樣的鍵/值對的形式展示的。

# coding:utf-8

import requests
import re

goods = '水杯'
url = 'https://s.taobao.com/search?q=' + goods

r = requests.get(url=url, timeout=10)
html = r.text

tlist = re.findall(r'\"raw_title\"\:\".*?\"', html) # 正則提取商品名稱
plist = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html) # 正則提示商品價(jià)格

print(tlist)
print(plist)
print(type(plist)) # 正則表達(dá)式提取出的商品名稱和商品價(jià)格都是以列表形式存儲數(shù)據(jù)的

利用for循環(huán)，把每個商品的名稱和價(jià)格組成一個列表，然后把這寫列表再追加到一個大列表中：

goodlist = []
for i in range(len(tlist)):
  title = eval(tlist[i].split(':')[1]) # eval()函數(shù)簡單說就是用于去掉字符串的引號
  price = eval(plist[i].split(':')[1])
  goodlist.append([title, price]) # 把每個商品的名稱和價(jià)格組成一個小列表，然后把所有商品組成的列表追加到一個大列表中
  print(goodlist)

大概的思路就是這樣的。

def get_html(url):
  """獲取源碼html"""
  try:
    r = requests.get(url=url, timeout=10)
    r.encoding = r.apparent_encoding
    return r.text
  except:
    print("獲取失敗")
def get_data(html, goodlist):
  """使用re庫解析商品名稱和價(jià)格
  tlist:商品名稱列表
  plist:商品價(jià)格列表"""
  tlist = re.findall(r'\"raw_title\"\:\".*?\"', html)
  plist = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html)
  for i in range(len(tlist)):
    title = eval(tlist[i].split(':')[1]) # eval()函數(shù)簡單說就是用于去掉字符串的引號
    price = eval(plist[i].split(':')[1])
    goodlist.append([title, price])


def write_data(list, num):
  # with open('E:/Crawler/case/taob2.txt', 'a') as data:
  #  print(list, file=data)
  for i in range(num): # num控制把爬取到的商品寫進(jìn)多少到文本中
    u = list[i]
    with open('E:/Crawler/case/taob.txt', 'a') as data:
      print(u, file=data)


def main():
  goods = '水杯'
  depth = 3  # 定義爬取深度，即翻頁處理
  start_url = 'https://s.taobao.com/search?q=' + goods
  infoList = []
  for i in range(depth):
    try:
      url = start_url + '&s=' + str(44 * i) # 因?yàn)樘詫氾@示每頁44個商品，第一頁i=0,一次遞增
      html = get_html(url)
      get_data(html, infoList)
    except:
      continue
  write_data(infoList, len(infoList))
if __name__ == '__main__':
  main()

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)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: