作者:achen
联系方式:wh909077093
这里记一下大概的思路以及实现方法,有基础的小伙伴看了基本就能实现了,如果有业务需要可以联系我哈哈哈哈哈哈
本文代码参考猪哥66的思路
项目内容
指定关键词爬取淘宝上商品标题-价格-销量-店铺-地区
爬取测试关键词是「防伪」,排序规则选择为总价「由低到高」
项目起因
最近接了一单,需要爬取某地区所有的天猫店铺,于是博主用十来个账号对各个关键词进行了疯狂的扫描,终于扫出来了几万个店铺名~~
项目步骤
1、手动登录淘宝,拿到几个关键参数
username
ua
password2
csrf_token
umidToken
hsiz
这几个参数,通过火狐登录 https://login.taobao.com/ 之后,打开高级模式,然后登录,之后搜索一下参数名就可以找到,这几个参数大概3天左右变化一次?具体的规律目前没有掌控
2、携带参数,获取cookie
# 检测是否需要验证码的URL
user_check_url = 'https://login.taobao.com/newlogin/account/check.do?appName=taobao&fromSite=0'
# 验证淘宝用户名密码URL
verify_password_url = "https://login.taobao.com/newlogin/login.do?appName=taobao&fromSite=0"
# 访问st码URL
vst_url = 'https://login.taobao.com/member/vst.htm?st={}'
# 淘宝个人 主页
my_taobao_url = 'http://i.taobao.com/my_taobao.htm'
#1 验证用户名密码
verify_password_headers = {
'Connection': 'keep-alive',
'Cache-Control': 'max-age=0',
'Origin': 'https://login.taobao.com',
'Upgrade-Insecure-Requests': '1',
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.135 Safari/537.36',
'Content-Type': 'application/x-www-form-urlencoded',
'Referer': 'ttps://login.taobao.com/member/login.jhtml?spm=a21bo.2017.754894437.1.5af911d9mlqEnw&f=top&redirectURL=https%3A%2F%2Fwww.taobao.com%2F',
}
verify_password_data = {
'loginId': username,
'password2': password2,
'keepLogin': 'false',
'ua': ua,
'umidGetStatusVal': '255',
'screenPixel': '1440x900',
'navlanguage': 'zh-CN',
'navUserAgent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.135 Safari/537.36',
'navPlatform': 'MacIntel',
'appName': 'taobao',
'appEntrance': 'taobao_pc',
'_csrf_token': csrf_token,
'umidToken':umidToken,
'hsiz': hsiz,
'bizParams': '',
'style': 'default',
'appkey': '00000000',
'from': 'tbTop',
'isMobile': 'false',
'lang': 'zh_CN',
'returnUrl': 'https://www.taobao.com/',
'fromSite': '0'
}
response = requests.Session().post(verify_password_url, headers=verify_password_headers, data=verify_password_data,timeout=timeout)
st_url_match = re.search(r'"(https://passport.*?)"', response.text)
st_url = st_url_match[0].replace("\"", '')
response = requests.Session().get(apply_st_url)
st_match = re.search(r'"data":{"st":"(.*?)"}', response.text)
st = st_match.group(1)
headers = {
'Host': 'login.taobao.com',
'Connection': 'Keep-Alive',
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.135 Safari/537.36',
}
response = requests.Session().get(vst_url.format(st), headers=headers)
正常的话到这里就是登录成功了,具体的检测呀,优化呀,我就不发在这里了
3、带cookie,访问搜索页,注意:这里只能访问商品搜索页,店铺搜索页那里接口不一样,访问3-5页之后就会被禁,这也是疯狂扫描的原因。。。
下面上个截图