python3爬取淘宝信息代码分析


            



# encoding:utf-8

import re # 使用正则 匹配想要的数据

import requests # 使用requests得到网页源码



这个函数是用来得到源码





# 得到主函数传入的链接

def getHtmlText(url):

  try: # 异常处理

    # 得到你传入的URL链接 设置超时时间3秒

    r = requests.get(url, timeout=3)

    # 判断它的http状态码

    r.raise_for_status()

    # 设置它的编码 encoding是设置它的头部编码 apparent_encoding是从返回网页中分析它的编码格式

    r.encoding = r.apparent_encoding

    # 返回源代码

    return r.text

  except: # 发生异常返回空

    return ''



这个函数使用来解析你的源代码 获取你想要的数据





# 解析你的网页信息

def parsePage(ilt, html):

  # 异常处理

  try:

    # 找到书包的价格

    plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html)

    # 找到书包的名称

    tlt = re.findall(r'\"raw_title\"\:\".*?\"', html)

    # 找到书包的地址

    add = re.findall(r'\"item_loc\"\:\".*?\"', html)

    # 找到书包的图片链接

    img = re.findall(r'\"pic_url\"\:\".*?\"', html)

    # 得到这个内容放入主函数中的列表

    for i in range(len(plt)):

      price = eval(plt[i].split(':')[1])

      title = eval(tlt[i].split(':')[1])

      address = eval(add[i].split(':')[1])

      imgs = eval(img[i].split(':')[1])  

      ilt.append([price, title, address, imgs])

  except: # 放生异常输出空字符串

    print('')







# 得到主函数传入的列表

def printGoodsList(ilt):

  # 每个列之间用tplt的放是隔开

  tplt = '{:4}\t{:8}\t{:16}\t{:32}'

  # 这个是整个的标题

  print(tplt.format('序号', '价格', '商品名称','地址', '图片地址'))

  count = 0 # 统计有多少的序号

  for g in ilt:

    count = count + 1 # 循环一遍加一

    print(tplt.format(count, g[0], g[1], g[2]), g[3]) # 输出你得到的数据







# 定义主函数 main

def main():

  goods = '书包' # 你要搜索的东西

  depth = 2 # 你想要得到几页的东西

  start_url = 'http://s.taobao.com/search?q=' + goods # 你搜索的网址加上你的搜索东西

  infoList = [] # 自定义的空列表用来存放你的到的数据

  for i in range(depth): # 循环你的页数

    try: # 异常处理

      url = start_url + '&s' + str(44 * i) # 得到你的网址

      html = getHtmlText(url) # 得到url传入到你要得到url的函数中

      parsePage(infoList, html) # 得到你的html源码 放入解析的网页中

    except: # 发生异常跳过

      continue

  # 把列表中的数据放入解析的函数中

  printGoodsList(infoList)







# 代码调试片段

if __name__ == '__main__':

  main() # 调用主函数



以上就是经过小编测试过的用python3爬取淘宝信息的代码，大家测试后如果还有任何不明白的地方可以在下方的留言区讨论。