PythonSpider---爬取淘宝店铺信息并导入excel

挺久没更新简书了，之前一直在忙机器视觉的开题报告，现在又要期末复习，射频通信，信号处理看的脑阔疼，所以决定写个简单点的爬虫，放松下，换个环境，也顺便巩固下爬虫。

---

图片来自网络

0.运行环境

• Python3.6.5
• Pycharm
• win10

---

1.爬虫思维框架

框架

1：从上图中可以看出本次爬虫所用到的库，其中xlsxwriter库是用来制作excel表格存储数据的，剩余两个库就不用多说了，爬虫必备库，你一定接触过。
官方xlsxwriter解释
CSDN博主的精简版
2：分四个步骤完成，详见上图框架。
3：爬取的淘宝页面

本次所要爬取的信息

---

2.可能遇到的问题及解决方案

• Q1，无法获取网页源代码，得到的text总是为空？
  A1，必须在headers中加入cookie和user-agent，缺一不可。
• Q2，使用beautifulsoup库好还是直接正则表达式RE好？
  A2，对于本次爬虫还是正则表达式好，做了就知道了。==！
• Q3，如何爬取多个页面的信息？
  A3，仔细观察多个页面的URL有何区别，本次的URL最后，第一页是0，第二页是20，第三页是40，找规律便可取得所有页面的URL。
• Q4，我还有其他疑问怎么办？
  A4，在评论区提出，博主会第一时间回复你的哦！

3.完整代码

import requests
import re
import xlsxwriter

def getUrl(page):   # page为[0,10]内的整数
    part1 = 'https://shopsearch.taobao.com/search?app=shopsearch&spm=a230r.7195193.0.0.45xMl6&q=%E9%A3%9F%E5%93%81&tracelog=shopsearchnoqcat&s='
    list = []
    for a in range(0, page):
        part2 = '{}'.format(20*a)
        url = part1 + part2
        list.append(url)
    return list
def getHtmlText(url):
    try:
        headers = {
            隐藏，因为每个人都不一样，可通过F12获取，具体方法自行百度
            Cookie 和 User-Agent必须要
        }
        res = requests.get(url, headers=headers, timeout=30)
        res.raise_for_status()
        res.encoding = res.apparent_encoding
        # time.sleep(1)
        return res.text
    except:
        return '网络异常'
def getTaobaoData(text):
    NAME = re.findall('"nick":"(.*?)"', text)
    PLACE = re.findall('"provcity":"(.*?)"', text)
    Totalsold = re.findall('"totalsold":(.*?),', text)
    Procnt = re.findall('"procnt":(.*?),', text)
    return NAME, PLACE, Totalsold, Procnt

def main(page):
    num = 0
    List = getUrl(page)
    TaobaoData = xlsxwriter.Workbook('E:\\taobaodata.xlsx')
    StoresData = TaobaoData.add_worksheet()
    title = [u'店铺', u'地址', u'销量', u'产品数']
    StoresData.write_row('A1', title)
    StoresData.set_column('A:D', 25)
    for URL in List:
        Text = getHtmlText(URL)
        name, place, totalsold, procnt = getTaobaoData(Text)
        StoresData.write_column(1+20*num, 0, name)
        StoresData.write_column(1+20*num, 1, place)
        StoresData.write_column(1+20*num, 2, totalsold)
        StoresData.write_column(1+20*num, 3, procnt)
        num += 1
        if not name:
            print('第{}页爬取失败'.format(num))
        else:
            print('第{}页爬取成功'.format(num))
    TaobaoData.close()

if __name__ == '__main__':
    a = input('请输入需要爬取的页数(建议小于10):')
    main(int(a))

4.实现效果

Excel