Python-爬取网页信息

本文信息获取只限于个人学习使用，不涉及任何商业。转载一定要声明出处，谢谢

对于信息爬取需要一定的基础，小白建议先学基础知识。

对于本次学习爬虫中的一些总结：

1.要熟练掌握基础知识，包括一些基础的语法

2.正则表达式的正确使用，建议学习北理工的Python爬虫课程

3.先写大框架再添加小的功能解析

4.对程序异常处理要熟练，尽量使用try...excep结构

5.对于列表字符串数据的基本使用到位，比如增删改查等

6.思路必须清晰

以下是爬取过程代码：

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("序号", "价格", "商品名称"))
    count = 0
    for g in ilt:
        count = count + 1
        print(tplt.format(count, g[0], g[1]))
         
def main():
    goods = '电脑'
    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()