今天回顾了一下定向爬虫的编写,想起以前的工作需求,有感而发写了一个简单的爬虫
爬虫功能:
这个爬虫脚本是根据之前在做亚马逊销售的时候的工作需要,从而编写的代码。用以检查产品的关键词排名,从而判断是否需要刷单和找出表现不佳的关键词。通过改变soup的选择器还可以获取到页面中产品的售价,Asin等信息。
爬虫基础:
先通过requests获取 url ,然后请求 url ,获得 url响应的网页信息。在通过 beautifulsoup 解析响应页面,提取需要的数据,进行二次请求或者是信息的保存。
信息的保存上,利用csv进行保存,方便用excel进行数据的分析。
import urllib.parse as urlparse
import requests
from bs4 import BeautifulSoup
import csv
定义url请求的函数,用以获取网站的响应。对应网站的反爬策略,可以考虑添加代理增强爬虫的安全性
def req(url):
headers = {'User-Agent': 'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)'} #简单定义个headers,防止识别爬虫
res = requests.get(url, hea