网络爬虫信息之实战淘宝书包信息爬取14「建议收藏」

网络爬虫信息之实战淘宝书包信息爬取14「建议收藏」#导入requests和re正则库importrequestsimportre#定义第一个函数实现获取网页数据defgetHTMLText(url,loginheaders):try:r=requests.get(url,headers=loginheaders,timeout=30)r.raise_for_status()…

大家好,又见面了,我是你们的朋友全栈君。

# 导入requests和re正则库
import requests
import re

# 定义第一个函数实现获取网页数据
def getHTMLText(url,loginheaders):
    try:
        r = requests.get(url,headers=loginheaders, timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        print(r.text)
        return r.text
    except:
        return ""

#定义一个函数实现把书包信息存储区来,包括编号,价格,名称
def parsePage(ilt, html):
    try:
        # 要明白 .* 代表的是任意个不同字符,而不是说必须是任意个相同的字符,其他的也是类似
        # re.findall()返回的是列表类型
        # 利用正则表达式查找价格("view_price":"任意个数的任意数字加点"),所以正则表达式还可在小数点后加两个0写成r'\"view_price\"\:\"[\d\.]*00\"'
        plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html)
        # 利用正则表达式查找题目("raw_title":"任意个数的任意字符")
        tlt = re.findall(r'\"raw_title\"\:\".*?\"', html)
        #循环遍历价格和题目,利用:分隔符获得值
        for i in range(len(plt)):
            price = eval(plt[i].split(':')[1])
            title = eval(tlt[i].split(':')[1])
            # 添加到ilt列表当中,二维元组列表
            ilt.append([price, title])
    except:
        print("")

# 打印题目和爬取的信息
def printGoodsList(ilt):
    # 定义输出格式
    tplt = "{:4}\t{:8}\t{:16}"
    print(tplt.format("序号", "价格", "商品名称"))
    # 循环遍历打印爬取到的信息,第一种方式
    for i in range(len(ilt)):
        print(tplt.format(i + 1, ilt[i][0], ilt[i][1]))
    # 第二种方式,g是从ilt循环遍历每元组的每项,g[0],g[1]是价格和题目
    # count = 0
    # for g in ilt:
    #     count = count + 1
    #     print(tplt.format(count, g[0], g[1]))

#定义主函数,写一下变量
def main():
    goods = '书包'
    # depth是爬取的深度,也就是爬取几页
    depth = 3
    start_url = 'https://s.taobao.com/search?q=' + goods
    infoList = []
    for i in range(depth):
        try:
            url = start_url + '&s=' + str(44 * i)
            # 设置登录的头信息,注意cookie是登陆页面点击登录获取的头信息
            loginheaders = {
                "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36",
                "cookie": "t=4ddf8b70981503ff445f594236c71e96; thw=cn; cookie2=12bdc5dde93e3514edca199a193f232f; _tb_token_=e45e8be4e50be; _samesite_flag_=true; enc=201s0rRJEHeguaLLCC6IAbLJao3k%2FWpbaR4FH6jpx1T6haa1auRivMShxlx1S0Ul3c3meKsTzPUcwTv3aEzt1Q%3D%3D; hng=CN%7Czh-CN%7CCNY%7C156; alitrackid=www.taobao.com; lastalitrackid=login.taobao.com; mt=ci=0_0; JSESSIONID=C7EA2D8019D08587402413BDBF38AFF0; cna=k8/5Fvt7vU8CAbfIPj2evd1M; l=eBxklgrHqCn48L6LBOfZourza77TlIRfguPzaNbMiT5P_2fH75cAWZjFnt8MCnGVnsZw-354uljQBrT8xyUBh6Yl3ZQ7XPQo3dTh.; isg=BFFRjiZN687i_QTKjM76nskzYF3rvsUwkMIhzjPmIpg42nAseQpbAHY4fK48Ul1o; tfstk=cwyCBJqLmeYQTTeeQzsZTKVPlrkPZj_sj6gLA5hd3EP90jECibvqlvj4ZFvtMc1..; sgcookie=EjxPeg5aM1t9jg2xwmUNw; unb=2639049752; uc1=cookie14=UoTUMtQjutczRQ%3D%3D&cookie21=VFC%2FuZ9ajC0X15Rzt0LhxQ%3D%3D&pas=0&existShop=false&cookie15=WqG3DMC9VAQiUQ%3D%3D&cookie16=VT5L2FSpNgq6fDudInPRgavC%2BQ%3D%3D; uc3=nk2=2nZbzUmLMMCi2g%3D%3D&vt3=F8dBxGXMemSB7fdhNUQ%3D&lg2=V32FPkk%2Fw0dUvg%3D%3D&id2=UU6idYdXStUjdg%3D%3D; csg=8948e7ae; lgc=%5Cu90ED%5Cu5DDD%5Cu5DDD1998; cookie17=UU6idYdXStUjdg%3D%3D; dnk=%5Cu90ED%5Cu5DDD%5Cu5DDD1998; skt=b778092dd81708b9; existShop=MTU4ODQ3NzIxNQ%3D%3D; uc4=id4=0%40U2xvIZeyY044%2Fg4ssnvrOTWRM69N&nk4=0%402EwyHO%2FQs1K5Yt3PADSqX0DTequA; tracknick=%5Cu90ED%5Cu5DDD%5Cu5DDD1998; _cc_=V32FPkk%2Fhw%3D%3D; _l_g_=Ug%3D%3D; sg=82b; _nk_=%5Cu90ED%5Cu5DDD%5Cu5DDD1998; cookie1=BvGDAyiO3yivOSSiEiVryF%2FdX85RndH78rFBY0y3kOc%3D"
            }
            html = getHTMLText(url, loginheaders)
            parsePage(infoList, html)
        except:
            continue
    printGoodsList(infoList)


main()

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/149106.html原文链接:https://javaforall.net

赞 (0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • c++ sstream

    c++ sstreamsstream定义了三个类:istringstream、ostringstream和stringstream分别用来进行流的输入、输出和输入输出操作由于sstream使用string对象代替字符数组,避免缓冲区溢出的危险;其次,因为传入参数和目标对象的类型会被自动推导出来,所以不存在错误的格式化符的问题。相比c库的数据类型转换,sstream更加安全、自动和直接。1.数据类型转换#inclu…

    2022年6月4日
  • ajax常见的面试问题[通俗易懂]

    ajax常见的面试问题[通俗易懂]1:什么是ajax?ajax作用是什么?异步的javascript和xmlAJAX是一种用于创建快速动态网页的技术。ajax用来与后台交互2:原生jsajax请求有几个步骤?分别是什么//创建XMLHttpRequest对象varajax=newXMLHttpRequest();//规定请求的类型、URL以及是否异步处理请求。ajax…

    2022年8月27日
  • 2年开发经验总结的java面试题(有完整答案)

    2年开发经验总结的java面试题(有完整答案)一、Java基础部分1、Java基本数据类型有八种:四种整数类型(byte、short、int、long),两种浮点数类型(double、float)一种字符类型char,一种布尔类型Boolean记忆:8位:Byte(字节型)16位:short(短整型)、char(字符型)32位:int(整…

    2022年6月18日
  • Git ssh 配置及使用

    Git ssh 配置及使用前言:前几天在写博客手把手教你用Hexo+github搭建自己博客的时候,经常需要用到一些git操作,截了好多图,于是就想干脆整理成一系列的git教程,总结如下Git下载及配置环境变量Git命令行教程及实例教程Gitssh配置及使用gitssh配置多个账户Gitconfig使用说明Git配置别名——让命令变得更简单闲聊这篇教程是在电脑

    2022年6月24日
  • java基础内容总结

    java基础内容总结

    2021年9月29日
  • Python 数据可视化,常用看这一篇就够了

    Python 数据可视化,常用看这一篇就够了文章目录前言可视化视图分为4类,散点图折线图直方图条形图箱线图饼图热力图蜘蛛图二元变量分布成对关系总结前言如果你想要用Python进行数据分析,就需要在项目初期开始进行探索性的数据分析,这样方便你对数据有一定的了解。其中最直观的就是采用数据可视化技术,这样,数据不仅一目了然,而且更容易被解读。可视化视图分为4类,比较:比较数据间各类别的关系,或者是它们随着时间的变化趋势,比如折线图;联系:查看两个或两个以上变量之间的关系,比如散点图;构成:每个部分占整体的百分比,或者是随着时间的百

    2022年6月29日

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号