天猫和淘宝商品数据爬取

一、思路

最近做了一个网站用到了从网址爬取天猫和淘宝的商品信息,首先看了下手机端的网页发现用的react,不太了解没法搞,所以就考虑从PC入口爬取数据,但是当爬取URL获取数据时并没有获取价格,库存等的信息,仔细研究了下发现是异步请求了另一个接口,但是接口要使用refer才能获取数据,于是就通过以下方式写了一个简单的爬虫,用于爬取商品预览图和商品的第一个分类的价格、库存等。

二、实现

代码如下:

function crawlUrl($url){
import('PhpQuery.Curl');
    $curl=new \Curl();
    $result = $curl->read($url);
    $content = mb_convert_encoding( $result['content'], 'UTF-8', 'UTF-8,GBK,GB2312,BIG5' );
    $myres=array();
    if(strrpos($url,'taobao.com')!=false) {
        //匹配是否下架
        if(strpos($content,'此宝贝已下架')!==false){
            return false;
        }
        preg_match("|itemId           : '(.*)'|isU", $content, $match);
        $item_id=$match[1];
        preg_match("|sellerId         : '(.*)'|isU", $content, $match);
        $sellet_id=$match[1];
        preg_match("|<title>(.*)</title>|isU",$content,$match);
        $title=$match[1];
        //价格库存信息
        $ch = curl_init();
        curl_setopt ($ch, CURLOPT_URL, 'https://detailskip.taobao.com/service/getData/1/p1/item/detail/sib.htm?itemId='.$item_id.'&sellerId='.$sellet_id.'&modules=dynStock,qrcode,viewer,price,duty,xmpPromotion,delivery,upp,activity,fqg,zjys,amountRestriction,couponActivity,soldQuantity,originalPrice,tradeContract&callback=onSibRequestSuccess');
        $opt[CURLOPT_HEADER]=false;
        $opt[CURLOPT_CONNECTTIMEOUT]=15;
        $opt[CURLOPT_TIMEOUT]=300;
        $opt[CURLOPT_AUTOREFERER]=true;
        $opt[CURLOPT_USERAGENT]='Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.47 Safari/536.11';
        curl_setopt_array($ch,$opt);
        curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);
        curl_setopt ($ch,CURLOPT_REFERER,$url);
        curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
        $out_put=curl_exec ($ch);
        curl_close ($ch);
        $res=str_replace('onSibRequestSuccess(',"",$out_put);
        $res=rtrim($res,');1');
        $result=json_decode($res,true);
        //查询出图片信息
        preg_match('|<ul id="J_UlThumb" class="tb-thumb tb-clearfix">(.*)</ul>|isU', $content, $match);
        preg_match_all('/<img data-src="(.*?)" \//', $match[1], $images);

        $myres['title']=str_replace('-淘宝网','',$title);

        $myres['price']=current($result['data']['originalPrice']);

        $myres['act_price']=current($result['data']['promotion']['promoData']);

        $myres['stock']=$result['data']['dynStock']['stock'];

        $myres['banners']=$images[1];
    }else{
        //匹配是否下架
        if(strpos($content,'此宝贝已下架')!==false){
            return false;
        }
        $start=strpos($url,'&id=');
        $item_id=substr($url,$start+4,12);
        if(!is_numeric($item_id)){
            $start=strpos($url,'?id=');
            $end=strpos($url,'&spm');
            $item_id=substr($url,$start+4,$end-$start-4);
        }
        preg_match("|<title>(.*)</title>|isU",$content,$match);
        $title=$match[1];
        $myurl='https://mdskip.taobao.com/core/initItemDetail.htm?cachedTimestamp=1500562177777&queryMemberRight=true&cartEnable=true&offlineShop=false&addressLevel=2&itemId='.$item_id.'&tryBeforeBuy=false&isAreaSell=false&tmallBuySupport=true&isPurchaseMallPage=false&household=false&isForbidBuyItem=false&service3C=false&isRegionLevel=false&showShopProm=false&isSecKill=false&sellerPreview=false&isUseInventoryCenter=false&isApparel=true&callback=setMdskip&timestamp=1500562172109&isg=AiUlDZFWmP/sMgVurQSILU3Ytet/Zdis&isg2=Ajk51JIhRFqKzxmiNPP6dkYxSKXT7iySkzSTeVtu9WDf4ll0o5Y9yKdyEtHu';
        //价格库存信息
        $ch = curl_init();
        curl_setopt ($ch, CURLOPT_URL, $myurl);
        $opt[CURLOPT_HEADER]=false;
        $opt[CURLOPT_CONNECTTIMEOUT]=15;
        $opt[CURLOPT_TIMEOUT]=300;
        $opt[CURLOPT_AUTOREFERER]=true;
        $opt[CURLOPT_USERAGENT]='Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.47 Safari/536.11';
        curl_setopt_array($ch,$opt);
        curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);
        curl_setopt ($ch,CURLOPT_REFERER,$url);
        curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, false);
        $out_put=curl_exec ($ch);
        curl_close ($ch);
        $res = mb_convert_encoding( $out_put, 'UTF-8', 'UTF-8,GBK,GB2312,BIG5' );
        $res=str_replace('setMdskip',"",$res);
        $res=str_replace('(',"",$res);
        $res=str_replace(')',"",$res);
        $result=json_decode($res,true);
        $nowk="";
        $nowstore="";
        foreach($result['defaultModel']['inventoryDO']['skuQuantity'] as $k=>$val){
            $nowk=$k;
            $nowstore=$val;
            break;
        }

        $myres['title']=str_replace('-tmall.com天猫','',$title);

        $myres['price']=$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['price'];

        $myres['act_price']=isset($result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['suggestivePromotionList'])?$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk]['suggestivePromotionList']:$result['defaultModel']['itemPriceResultDO']['priceInfo'][$nowk];

        $myres['stock']=$result['defaultModel']['inventoryDO']['totalQuantity']?$result['defaultModel']['inventoryDO']['totalQuantity']:$nowstore['quantity'];
        //查询出图片信息
        preg_match('|<ul id="J_UlThumb" class="tb-thumb tm-clear">(.*)</ul>|isU',$content, $match);
        preg_match_all('/<img src="(.*?)" \//',$match[1],$images);
        $myres['banners']=$images[1];
    }
    return $myres;
    }

上述代码用到phpquery的库,但是其实没啥用,直接用Curl就行,具体爬取的数据可以穿参查看结果,方法不区分淘宝和天猫链接,但是前提是必须是PC端链接,另外正则写的不规范,所以可以自己重写正则来匹配数据。

以上

  • 0
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 9
    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 9
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