PHP前端开发

Python怎么爬虫淘宝商品数据

百变鹏仔 1个月前 (01-23) #Python
文章标签 爬虫

这次的主要的目的是从淘宝的搜索页面获取商品的信息。其实分析页面找到信息很容易,页面信息的存放都是以静态的方式直接嵌套的页面上的,很容易找到。主要困难是将信息从html源码中剥离出来,数据和网页源码结合的很紧密,剥离数据有一定的难度。

然后将获取的信息写入excel表格保存起来,这次只爬取了前面10页的内容。

代码如下:

import requestsimport refrom xlwt import Workbookimport xlrdimport timedef key_name( number ):    #获取页面的内容并返回    name = '手机'    URL_1 = "https://s.taobao.com/search?ie=utf8&initiative_id=staobaoz_20170905&stats_click=search_radio_all%3A1&js=1&imgfile=&q="    URL_2 = "&suggest=0_1&_input_charset=utf-8&wq=u&suggest_query=u&source=suggest&p4ppushleft=5%2C48&s="    URL = ( URL_1 + name + URL_2 + str(number))    #print(URL)    res = requests.get( URL )    return res.textdef find_date( text):    #根据整个页面的信息,获取商品的数据所在的HTML源码并放回    reg = r',"data":{"spus":[({.+?)]}},"header":'    reg = re.compile(reg)    info = re.findall(reg, text)    return info[0]def manipulation_data( info, N, sheet ):    #解析获取的HTML源码,获取数据    Date = eval(info)    for d in Date:        T = " ".join([t['tag'] for t in d['tag_info']])        #print(d['title'] + '	' + d['price'] + '	' + d['importantKey'][0:len(d['importantKey'])-1] + '	' + T)                sheet.write(N,0,d['title'])        sheet.write(N,1,d['price'])        sheet.write(N,2,T)        N = N + 1    return N        def main():        book = Workbook()    sheet = book.add_sheet('淘宝手机数据')    sheet.write(0,0,'品牌')    sheet.write(0,1,'价格')    sheet.write(0,2,'配置')    book.save('淘宝手机数据.xls')    #k用于生成链接,每个链接的最后面的数字相差48.    #N用于记录表格的数据行数,便于写入数据    k = 0    N = 1    for i in range(10+1):        text = key_name( k + i * 48 )        info = find_date(text)        N = manipulation_data( info ,N, sheet )            book.save('淘宝手机数据.xls')        print('下载第' + str(i) + '页完成')if __name__ == '__main__':    main()

更多Python相关技术文章,请访问Python教程栏目进行学习!