python爬虫基础之一（爬淘宝）

0526yao 2021-11-06 原文

没想到python如此强大，

今天看一会视频学会了一段python爬虫

这就是我今天学到的内容爬去淘宝网关于书包的一些信息，包括价格，

#coding=utf-8

import requests#导入requests模块
import re#导入re模块

#提取网页代码通用表达式
def getHTMLText(url):
    try:
        r = requests.get(url,timeout=30)#获取页面的url链接
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""

#提取Html中的主要信息
def parseHtml(ilt,html):
    try:#下面是正则表达式处理文字信息
        plt = re.findall(r\'\"view_price\"\:\"[\d\.]*\"\',html)
        flt = re.findall(r\'\"raw_title\"\:\".*?\"\',html)
        for i in range(len(plt)):
            price =  eval(plt[i].split(":")[1])#eval 可以将前后的”“去掉
            name = eval(flt[i].split(":")[1])#split 可以分割字符串到列表红
            ilt.append([price,name])
    except:
        print("")

#将格式打印出来
def printGoodsPrice(ilt):
    try:#让排版更清晰
        tplt = "{:4}\t{:8}\t{:16}"
        print(tplt.format("序号","价格","商品名称"))
        count = 0;
        for g in ilt:
            count = count+1
            print(tplt.format(count,g[0],g[1]))
    except:
        print("")

def main():
    goods = \'书包\'#提取的商品
    depth = 2 #提取的深度
    url = \'https://s.taobao.com/search?q=\'+goods
    ilt = []
    i = 0
    for i in range(depth):
        try:
            irl = url + \'&s=\' +  str(i*44)#这个地方的改动可以影响提取内容
            html = getHTMLText(irl)
            parseHtml(ilt,html)
        except:
            continue
    printGoodsPrice(ilt)#打印处理

main()