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,提取其中的商品名称和价格。
- 理解:淘宝的搜索接口,翻页的处理
- 技术路线:requests库,re库
分析网址
第一页 https://s.taobao.com/search?q=书包
第二页 https://s.taobao.com/search?q=书包&s=44
程序的结构设计
步骤1:提交商品的搜索请求,循环获取页面。
步骤2:对于每个页面,提取商品名称和价格信息。
步骤3:将信息输出到屏幕上。
代码编写
import requests
import re
def getHTMLText(url):
try:
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36'}
r = requests.get(url, headers=headers)
r.raise_for_status()