爬蟲實例------淘寶商品比價定向爬蟲

功能描述

目標：獲取淘寶搜索頁面的信息，提取其中商品的名稱和價格
理解： 得到淘寶的搜索接口， 翻頁的處理
技術路線：requests- re
注意： 經過查取相關協議，發現淘寶不容許任何爬蟲爬取相關頁面

程序設計

爬取淘寶的頁面信息，須要模擬淘寶登錄才能夠

代碼：

import requests
import re
kv = {'user-agent': 'Mozilla/5.0'}

def getHTMLText(url):
    try:
        r = requests.get(url, timeout = 30, headers = kv)
        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 printGoodsList(ilt):
    tplt = "{:4}\t{:8}\t{:16}"
    print(tplt.format("序號", "價格", "商品名稱"))
    count = 0
    for g in ilt:
        count += 1
        print(tplt.format(count, g[0], g[1]))
def main():
    goods = '書包'
    depth = 2
    start_url = 'https://s.taobao.com/search?q=' + goods
    infolist = []
    for i in range(depth):
        try:
            url = start_url + '&s=' + str(44 * i)
            html = getHTMLText(url)
            parsePage(infolist, html)
        except:
            continue
    printGoodsList(infolist)
main()