1.1 python3,本文代碼使用Python3來寫。沒有安裝Python3的童鞋請先安裝Python3哦html
1.2 requests庫,Requests 是用Python語言編寫,基於 urllib,採用 Apache2 Licensed 開源協議的 HTTP 庫。它比 urllib 更加方便,能夠節約咱們大量的工做,徹底知足 HTTP 測試需求。python
下載方法:正則表達式
pip install requests
1.3 pycharm,一款功能強大的PythonIDE!下載官方版本後,使用license sever無償使用(同系列產品相似),具體參照http://www.cnblogs.com/hanggegege/p/6763329.html。app
咱們的目標是實現一個可以代替淘寶搜索獲取商品信息的腳本,那麼咱們先來分析分析具體應該如何實現吧!函數
咱們嘗試一下經過網頁上的「搜索」按鈕來獲取一些信息。咱們隨便輸入一個商品名稱:電腦測試
重複幾回相同操做查詢不一樣名稱商品後,咱們發現了一些規律,經過觀察url參數咱們發現,只要在https://s.taobao.com/search?q=後面加上你須要查詢的商品名稱就能獲取你想要的淘寶商品信息了!咱們就以這個爲突破口,去寫目標腳本吧!url
首先咱們導入所須要的庫:spa
import requests import re
咱們先來看看電腦信息頁面的源代碼,去發現其中商品信息的規律,再用正則表達式去實施全局匹配,右鍵上圖頁面查看源代碼:.net
仔細觀察這段代碼,經過對一組數據的分析獲得:商品名稱在raw_title當中,商品價格view_price當中,經過這個規律 ,咱們來寫兩個正則表達式,匹配頁面上的全部商品價格與名稱!code
咱們先來寫個函數獲取網頁代碼信息:
def getHTMLText(url): try: r = requests.get(url) r.raise_for_status() r.encoding = r.apparent_encoding return r.text #這幾行不懂的能夠去查查requests庫的文檔哦 except: return ""
接着,咱們再寫個函數把獲取商品信息:
def parsePage(ilt, html): try: plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html) #本文代碼的精髓就在這兩行了 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("")
最後,咱們須要寫個函數把商品信息列出來:
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 = count + 1 print(tplt.format(count, g[0], g[1]))
如今咱們來寫個main()函數來測試咱們的代碼吧!
def main(): goods = input('請輸入要查找的商品名稱:') depth = 3 #爬取的頁碼深度,能夠本身調哦 start_url = 'https://s.taobao.com/search?q=' + goods infoList = [] for i in range(depth): try: url = start_url + '&s=' + str(44 * i) #去翻頁看看url的變化就知道爲何這麼些了 html = getHTMLText(url) parsePage(infoList, html) except: continue printGoodsList(infoList)
項目完整代碼:
import requests import re def getHTMLText(url): try: r = requests.get(url, timeout=30) 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 = count + 1 print(tplt.format(count, g[0], g[1])) def main(): goods = input('請輸入要查找的商品名稱:') depth = 3 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()
咱們來看看運行效果圖:
大功告成!
(ps:本文代碼參照中國慕課網課程)