小白python爬虫入门实例2—— 翻页爬取京东商城商品数据

通过分析京东的网址,寻找翻页时网址的变化规律,从而获取需要用到的数据。在这里我将展示在京东商城爬取书包的价格以及其商品全称,如果觉得这篇文章ok的亲们,可以换个网站,用淘宝如法炮制,祝您成功!

一、源代码

import requests
from bs4 import BeautifulSoup

def getText(url):
    try:
        kv = {'user-agent': 'Mozilla/5.0'}
        r = requests.get(url, headers=kv,timeout = 30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""

def parsePage(ilt , html):
    soup = BeautifulSoup(html,"html.parser")
    plt = soup.find_all('div',class_='p-price')     #价钱所在的div的class标签为“p-price"
    tlt = soup.find_all('div',class_='p-name')    #价钱所在的div的class标签为“p-name p-name-type-2"
    for i in range(len(plt)):
        price = plt[i]('i')
        title = tlt[i]('em')
        ilt.append([price[0].get_text(),title[0].get_text()])

def printGoodsList(ilt):
    print("{:^4}\t{:^8}\t{:^16}".format("序号","价格","商品名称"))
    count = 0
    for g in ilt:
        count += 1
        print("{:^4}\t{:^8}\t{:^16}".format(count,g[0],g[1]))

def main():
    goods = input("请输入商品名称:")
    depth = 2
    start_url = "https://search.jd.com/Search?keyword=" + goods
    infoList = []
    for i in range(depth):
        url = start_url + '&page=' + str(2 * i - 1)
        html = getText(url)
        parsePage(infoList, html)
    printGoodsList(infoList)
main()

测试代码

##测试
goods = input("请输入商品名称:")
kv = {'user-agent': 'Mozilla/5.0'}
dept = 2
url = "https://search.jd.com/Search?keyword=" + goods

info = []
for i in range(dept):
    url1 = url + '&page=' + str(2 * i - 1)
    r = requests.get(url1, headers=kv)
    print(r.status_code)
    r.encoding = r.apparent_encoding
    html = r.text
    soup = BeautifulSoup(html, "html.parser")
    plt = soup.find_all('div', class_='p-price')
    nlt = soup.find_all('div', class_='p-name')

    for j in range(len(plt)):
        price = plt[j]('i')
        name = nlt[j]('em')
        info.append([price[0].get_text(),name[0].get_text()])
        print(info[j])

二、函数解析

1、getText(url):以目标网页作为参数,获取网页文本内容并返回。

url:为传入函数的目标网址;

“try... except...":为了防止长时间无法响应网站而死机,设置响应时间为30秒;

def getText(url):
    try:
        kv = {'user-agent': 'Mozilla/5.0'}
        r = requests.get(url, headers=kv,timeout = 30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""

2、parsePage(ilt , html):分析目标网页中需要的内容(商品全称,商品价格),存储在列表ilt中。

ilt:传入的空白列表参数,用于保存查询到的商品信息(商品全称,商品价格);

html:该参数中保存了目标网站的网页内容;

soup:调用引入的BeautifulSoup库(使用方法请自行搜索,这里不做解释);

plt:用于保存价格数据的列表。用BeautifulSoup库中的find_all()函数寻找需要的价格数据;

tlt:用于保存商品名称数据的列表。用BeautifulSoup库中的find_all()函数寻找需要的商品名称数据;

price:用于保存查找到的信息中,文本内容的价格字符;

title:用于保存查找到的信息中,文本内容的商品全称的字符;

def parsePage(ilt , html):
    soup = BeautifulSoup(html,"html.parser")
    plt = soup.find_all('div',class_='p-price')     #价钱所在的div的class标签为“p-price"
    tlt = soup.find_all('div',class_='p-name')    #价钱所在的div的class标签为“p-name p-name-type-2",这里可以填p-name或者p-name-type-2
    for i in range(len(plt)):
        price = plt[i]('i')
        title = tlt[i]('em')
        ilt.append([price[0].get_text(),title[0].get_text()])

3、printGoodsList(ilt):打印出列表ilt中存储的相关数据信息。

ilt:已经存储了所需要的信息的列表;

count:作为序号用于记录商品的数量,并同商品信息一并输出;

循环输出商品信息。

def printGoodsList(ilt):
    print("{:^4}\t{:^8}\t{:^16}".format("序号","价格","商品名称"))
    count = 0
    for g in ilt:
        count += 1
        print("{:^4}\t{:^8}\t{:^16}".format(count,g[0],g[1]))

三、网页及网址分析

以“书包”为例,进入京东官网"https://www.jd.com/",在搜索框中输入“书包”后,可以明显看到,网页变成了https://search.jd.com/Search?keyword=书包&enc=utf-8&wq=书包&pvid=015eefefd82d46e8829af2ceb43db206

分析网页网址可知,通过keyword后面的字段可以搜索到想要的商品,因此,可以通过用户输入获取商品初始网址。点击商品主页底部的翻页可以发现,网址再次发生了变化。

 点击底部导航栏,选择第二页画面后观察网址,发现网址变化为:https://search.jd.com/Search?keyword=书包&qrst=1&wq=书包&stock=1&pvid=015eefefd82d46e8829af2ceb43db206&page=3&s=56&click=0

 变化后的网址与首页网址的区别在于多了一个stock、page、s以及click参数,我们继续点击第三页内容进行对比观察

https://search.jd.com/Search?keyword=书包&qrst=1&wq=书包&stock=1&pvid=015eefefd82d46e8829af2ceb43db206&page=5&s=116&click=0

 第二页与第三页的网址对比可以发现,stock没有变化,page从3变成了5,s从56变成了116,click没有变化。至此,可以推断出这几个变量的变化规律:

page=2*i-1(i的值表示第i页的商品内容);

s的值,好吧没找出规律来QAQ,欢迎大家在评论里批评指正;

因此,我们以获取两页的商品为例,将目标网页根据寻找到的规律重新订制。

同样,我们在寻找目标数据时,先随便找到一个商品,右键点击“检查”,发现我们所需要的价格信息在class名为“p-price”的div中,商品全称在class名为“p-name”(或“p-name-type-2”,不熟悉html中命名规则的亲们可以自行查找相关资料学习,这里不做解释)的div中,而价格的文本内容在div下的i标签中,因此通过BeautifulSoup中的find_all()函数找到div,再将价格保存在price中;同上,商品全称的文本内容保存在em标签中,使用get_text()函数可以获取其中的非标签内容。

main():执行函数;

goods:通过用户输入获取商品名称;

depth:爬取目标网页的页数,这里以2页的内容为例,亲们可自行修改;

start_url:定义初始网址,将获取的商品数据加入网址中;

infoList:用于存放相关数据的列表;

url:翻页后的网址。

def main():
    goods = input("请输入商品名称:")
    depth = 2
    start_url = "https://search.jd.com/Search?keyword=" + goods
    infoList = []
    for i in range(depth):
        url = start_url + '&page=' + str(2 * i - 1)
        html = getText(url)
        parsePage(infoList, html)
    printGoodsList(infoList)

四、声明

 本人是学习python爬虫路上的一名小白,如有不当之处(轻喷,小白需要鼓励),欢迎大佬们批评指正。

  • 12
    点赞
  • 88
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值