使用正則庫爬取淘寶商品的商品信息，首先我們需要確定想要爬取的對象

我們在淘寶里搜索“python”,出來的結(jié)果

從url連接中可以得到搜索商品的關(guān)鍵字是“q=”，所以我們要用的起始url為：https://s.taobao.com/search?q=python

然后翻頁，經(jīng)過對比發(fā)現(xiàn)，翻頁后，變化的關(guān)鍵字是s，每次翻頁，s便以44的倍數(shù)增長（可以數(shù)一下每頁顯示的商品數(shù)量，剛好是44）所以可以根據(jù)關(guān)鍵字“s=”，來設(shè)置爬取的深度（爬取多少頁）

右鍵查看源碼，商品名稱可能的關(guān)鍵字是“title”和“raw_title”，進一步多看幾個商品的名稱，發(fā)現(xiàn)選取“raw_title”比較合適；商品價格自然就是“view_price”(通過比對淘寶商品展示頁面)；所以商品名稱和商品價格分別是以'raw_title':'名稱'和'view_price':'價格'，這樣的鍵/值對的形式展示的。

# coding:utf-8import requestsimport regoods = ’水杯’url = ’https://s.taobao.com/search?q=’ + goodsr = requests.get(url=url, timeout=10)html = r.texttlist = re.findall(r’'raw_title':'.*?'’, html) # 正則提取商品名稱plist = re.findall(r’'view_price':'[d.]*'’, html) # 正則提示商品價格print(tlist)print(plist)print(type(plist)) # 正則表達式提取出的商品名稱和商品價格都是以列表形式存儲數(shù)據(jù)的

利用for循環(huán)，把每個商品的名稱和價格組成一個列表，然后把這寫列表再追加到一個大列表中：

goodlist = []for i in range(len(tlist)): title = eval(tlist[i].split(’:’)[1]) # eval()函數(shù)簡單說就是用于去掉字符串的引號 price = eval(plist[i].split(’:’)[1]) goodlist.append([title, price]) # 把每個商品的名稱和價格組成一個小列表，然后把所有商品組成的列表追加到一個大列表中 print(goodlist)

大概的思路就是這樣的。

def get_html(url): '''獲取源碼html''' try: r = requests.get(url=url, timeout=10) r.encoding = r.apparent_encoding return r.text except: print('獲取失敗')def get_data(html, goodlist): '''使用re庫解析商品名稱和價格 tlist:商品名稱列表 plist:商品價格列表''' tlist = re.findall(r’'raw_title':'.*?'’, html) plist = re.findall(r’'view_price':'[d.]*'’, html) for i in range(len(tlist)): title = eval(tlist[i].split(’:’)[1]) # eval()函數(shù)簡單說就是用于去掉字符串的引號 price = eval(plist[i].split(’:’)[1]) goodlist.append([title, price])def write_data(list, num): # with open(’E:/Crawler/case/taob2.txt’, ’a’) as data: # print(list, file=data) for i in range(num): # num控制把爬取到的商品寫進多少到文本中 u = list[i] with open(’E:/Crawler/case/taob.txt’, ’a’) as data: print(u, file=data)def main(): goods = ’水杯’ depth = 3 # 定義爬取深度，即翻頁處理 start_url = ’https://s.taobao.com/search?q=’ + goods infoList = [] for i in range(depth): try: url = start_url + ’&s=’ + str(44 * i) # 因為淘寶顯示每頁44個商品，第一頁i=0,一次遞增 html = get_html(url) get_data(html, infoList) except: continue write_data(infoList, len(infoList))if __name__ == ’__main__’: main()

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持好吧啦網(wǎng)。