python爬虫——利用requests库re正则表达式获取购物网站指定商品信息

学习和练习使用,简单爬取信息内容。

经过对taobao url链接的分析,比如:

我们搜索“耳机”就会看到这样的url:

https://s.taobao.com/search?q=%E8%80%B3%E6%9C%BA&imgfile=&commend=all&ssid=s5-e&search_type=item&sourceId=tb.index&spm=a21bo.2017.201856-taobao-item.1&ie=utf8&initiative_id=tbindexz_20170306

斜体加粗部分是我们检索的商品名字。

再看看第2页,会发现url最后面以‘&s=44’结束,第三页则是‘&s=88’......依次类推,每一页显示44个商品。

下来给出总体代码:

代码依旧是3大块,老步骤。

import requests
import re

def getHTMLText(url):
    try:
        r = requests.get(url, timeout = 30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""

def parsePage(ulist, html):
    try:
        pricelists = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html)
        titlelists = re.findall(r'\"raw_title\"\:\".*?\"', html)
        locallists = re.findall(r'\"item_loc\"\:\".*?\"', html)
        salelists = re.findall(r'\"view_sales\"\:\".*?\"', html) 
        for i in range(len(pricelists)):
            price = eval(pricelists[i].split(':')[1])
            title = eval(titlelists[i].split(':')[1])
            local = eval(locallists[i].split(':')[1])
            sale = eval(salelists[i].split(':')[1])
            ulist.append([price, sale, local, title])
    except:
        return ""

def printGoodsList(ulist):
    tplt = "{0:^4}\t{1:^4}\t{2:^10}\t{3:^8}\t{4:<16}"
    with open ('taobaoresult.txt', 'a', encoding = 'utf-8') as f:
        f.write(tplt.format("序号", "价格", "销售量", "发货地", "商品名称")+'\n')
        f.close()
    print(tplt.format("序号", "价格", "销售量", "发货地", "商品名称"))
    count = 0
    for g in ulist:
        count = count + 1
        with open ('taobaoresult.txt', 'a', encoding = 'utf-8') as f:
            f.write(tplt.format(count, g[0], g[1], g[2], g[3]) + '\n')
            f.close()
        print(tplt.format(count, g[0], g[1], g[2], g[3]))

def main():
    goods = input("请输入需要检索的商品:")
    depth = 3
    start_url = 'http://s.taobao.com/search?q=' + goods
    infoList = []
    for i in range(depth):
        try:
            url = start_url + '&s=' + str(44*i)
            html = getHTMLText(url)
            parsePage(infoList, html)
        except:
            continue
    printGoodsList(infoList)
    
    while True:
        comd = input("是否继续检索(是/否):")
        if comd in ["是"]:
            main()
        else:
            break
main()

运行实例:

打开保存成.exe应用程序



内容存入指定目录txt文件中。


  • 1
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 2
    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 2
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