中国大学MOOC“淘宝商品信息定向爬虫”实例（2022版）

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

（一）程序的结构设计：

1：提交商品搜索请求，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

（二）代码实现：

1：先构建出函数的整体框架

2：对每一个函数具体的代码进行设计和编写

（三）解决只打印表头问题

（后续反爬虫问题）

嵩天老师

小数据孩儿来交笔记喽！！！

#淘宝商品信息定向爬虫
import requests  #引入requests库获得链接
import re        #引入正则表达式库获得相关内容
def getHTMLText(url): #爬取网页的通用代码框架try:r=requests.get(url,timeout=30) #获取页面的url链接r.raise_for_status()    #如果状态不是200，引发HTTP Error异常r.encoding=r.apparent_encoding  #修改编码return r.text   #将网页的信息内容返回给其他部分except:  #异常部分（如果出现错误，将返回一个空字符串）return ""
def parsePage(ilt,html): #设计和开发parsePage函数，是整个函数的关键try:plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"',html) #re 库的主要功能函数 ，反斜杠代表引用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 printGoodsList(ilt):  #输出商品信息tplt = "{:4}\t{:8}\t{:16}" #设计打印模板叫做tplt，大括号定义槽函数，第一个位置长度给4，中间位置长度为8，最后位置长度为16print(tplt.format("序号", "价格", "商品名称")) #打印表头count = 0 #定义一个输出信息的计数器for g in ilt:count = count + 1print(tplt.format(count, g[0], g[1])) #count代表商品序号，后面的分别代表商品的价格和商品的名称
def main():   #定义主函数goods = '书包'  #搜索关键词，定义一个变量depth = 3      #向下一页爬取的深度start_url = 'https://s.taobao.com/search?q=' + goodsinfoList = []  #对整个的输出结果定义一个变量叫做infoListfor i in range(depth): #不同的页面是不同的urltry:url = start_url + '&s=' + str(44*i) #对每一个页面的url链接进行一个设计html = getHTMLText(url)parsePage(infoList, html)except:continueprintGoodsList(infoList)  #这时候的结果信息保存在infoList中
main()   #最后通过调用主函数来使整个程序运行

这样程序是写完了（嵩天老师原版代码）

但是打印出来的只有表头并没有商品信息

如何解决只打印表头的问题呢？

1、在淘宝官网搜索框中搜索“书包”

按“ctrl+shift+i”打开“开发人员工具”

（快捷键也许不同，自行查阅）

如下图：

网络、全部、选中箭头指向位置

（如果箭头位置不变

就去左面的搜索栏点击一下搜索）

在箭头下面的名称位置选择第一个

并右击弹出有复制的菜单

再选择复制为cURL（bash）

2、打开一个新的网址：https://curl.trillworks.com/

将上面复制的内容粘贴到下图红框的位置

（附图为粘贴完的效果）

3、将页面往下滑

将python requests框内的headers={**}

内容复制到如下下图位置

除了以上的变动外还要有以下变动

r=requests.get(url,timeout=30)
#改成
r=requests.get(url,headers=headers)

4、最终代码（我将代码'cookie','referer'隐藏了，每个人的都不一样，大家在上述操作中直接复制自己的headers内容即可，记得将cookie前的#号去掉，否则还是打印不出内容）

#爬取淘宝页面
import requests
import re
def getHTMLText(url):try:headers={'authority': 'suggest.taobao.com','accept': '*/*','accept-language': 'zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6',# Requests sorts cookies= alphabetically'cookie': '**********','referer': '*********','sec-ch-ua': '"Chromium";v="106", "Microsoft Edge";v="106", "Not;A=Brand";v="99"','sec-ch-ua-mobile': '?0','sec-ch-ua-platform': '"Windows"','sec-fetch-dest': 'script','sec-fetch-mode': 'no-cors','sec-fetch-site': 'same-site','user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/106.0.0.0 Safari/537.36 Edg/106.0.1370.47',}r=requests.get(url,headers=headers)r.raise_for_status()r.encoding=r.apparent_encodingreturn r.textexcept: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 printGoodsList(ilt):tplt = "{:4}\t{:8}\t{:16}"print(tplt.format("序号", "价格", "商品名称"))count = 0for g in ilt:count = count + 1print(tplt.format(count, g[0], g[1]))
def main():goods = '书包'depth = 3start_url = 'https://s.taobao.com/search?q=' + goodsinfoList = []for i in range(depth):try:url = start_url + '&s=' + str(44*i)html = getHTMLText(url)parsePage(infoList, html)except:continueprintGoodsList(infoList)
main()

5、运行成功

笔记就到这里了，希望对大家有所帮助！！！
网络爬虫盗亦有道！！！

不要不加节制的爬取该网页呦！！！

中国大学MOOC“淘宝商品信息定向爬虫”实例（2022版）相关推荐

淘宝商品信息定向爬虫实例
1.说明获得淘宝的搜索接口淘宝搜索页面不允许爬虫爬取不要不加限制的爬取次网站 2.代码 import re import requestsdef getHTMLText(url):try:hea ...
Python爬虫学习笔记(实例：淘宝商品信息定向爬虫)
淘宝商品信息定向爬虫先贴代码,后看解析: #淘宝商品信息定向爬虫 import requests import re#获得页面 def getHTMLText(url):try:#headers = ...
Python爬虫入门实例五之淘宝商品信息定向爬取(优化版)
文章目录写在前面一.爬取原页面二.编程思路 1.功能描述 2.程序的结构设计三.编程过程 1.解决翻页问题 2.编写getHTMLText()函数 3.编写parsePage()函数 (1). ...
淘宝商品信息定向爬虫
只用来学习请勿无限制使用爬虫功能描述目标:获取淘宝搜索页面的信息媒体去其中的商品名称和价格程序的结构设计步骤1:提交商品搜索请求,循环获取页面步骤2:对每个页面,提取商品名称和价格信息步骤 ...
python爬淘宝的退货信息_Python——淘宝商品信息定向爬虫（requests+re）
有点崩,现在好像爬取不到任何东西了目标:获取淘宝搜索页面的信息,提取其中的商品名称和价格理解: 1.怎样去通过程序向淘宝提交请求,并获得提取的结果 2.怎样展示翻页的处理首先我们要查看淘宝网的r ...
Python爬虫淘宝商品信息定向爬虫
代码: import requests import redef getHTMLText(url):try:r = requests.get(url, timeout=30)r.raise_for_s ...
爬虫9-淘宝商品信息定向爬虫
功能描述: 目标获取淘宝搜索页面的信息,提取其中的商品信息名称和价格理解淘宝的搜索接口翻页的处理技术路线 requests re 当我们在淘宝上搜索书包时: 观察淘宝页面可知每一页共44个商 ...
利用Selenium爬取淘宝商品信息
文章来源:公众号-智能化IT系统. 一. Selenium和PhantomJS介绍 Selenium是一个用于Web应用程序测试的工具,Selenium直接运行在浏览器中,就像真正的用户在操作一样. ...
爬取淘宝商品信息selenium+pyquery+mongodb
''' 爬取淘宝商品信息,通过selenium获得渲染后的源码,pyquery解析,mongodb存储 '''from selenium import webdriver from selenium. ...

中国大学MOOC“淘宝商品信息定向爬虫”实例（2022版）

中国大学MOOC“淘宝商品信息定向爬虫”实例（2022版）相关推荐

最新文章

热门文章