【python爬蟲】爬取淘寶網商品資訊

相信學了python爬蟲，很多人都想爬取一些資料量比較大的網站，淘寶網就是一個很好的目标，其資料量大，而且種類繁多，而且難度不是很大，很适合初級學者進行爬取。下面是整個爬取過程：

第一步：建構通路的url

#建構通路的url
    goods = "魚尾裙"
    page = 10
    infoList = []
    url = 'https://s.taobao.com/search'
    for i in range(page):
        s_num = str(44*i+1)
        num = 44*i
        data = {'q':goods,'s':s_num}
           

第二步：擷取網頁資訊

def getHTMLText(url,data):
    try:
        rsq = requests.get(url,params=data,timeout=30)
        rsq.raise_for_status()
        return rsq.text
    except:
        return "沒找到頁面"
           

第三步：利用正則擷取所需資料

def parasePage(ilt, html,goods_id):
    try:
        plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html)
        slt = re.findall(r'\"view_sales\"\:\".*?\"', html)
        tlt = re.findall(r'\"raw_title\"\:\".*?\"', html)
        ult = re.findall(r'\"pic_url\"\:\".*?\"', html)
        dlt = re.findall(r'\"detail_url\"\:\".*?\"', html)
        for i in range(len(plt)):
            goods_id += 1
            price = eval(plt[i].split(':')[1])
            sales = eval(slt[i].split(':')[1])
            title = eval(tlt[i].split(':')[1])
            pic_url = "https:" + eval(ult[i].split(':')[1])
            detail_url = "https:" + eval(dlt[i].split(':')[1])
            ilt.append([goods_id,price,sales,title,pic_url,detail_url])
        return ilt
    except:
        print("沒找到您所需的商品！")
           

第四步：将資料儲存到csv檔案

def saveGoodsList(ilt):
    with open('goods.csv','w') as f:
        writer = csv.writer(f)
        writer.writerow(["序列号", "價格", "成交量", "商品名稱","商品圖檔網址","商品詳情網址"])
        for info in ilt:
            writer.writerow(info)
           

結果如下圖：

以上就是我的分享，如果有什麼不足之處請指出，多交流，謝謝！

想擷取更多資料或定制爬蟲的請私信我。