淘宝商品比价定向爬虫

导入相关模块

import re

import requests

定义函数

利用requests模块提取url信息

def getHTMLText(url):

    try:

        r = requests.get(url,timeout = 30)

        r.raise_for_status()

        r.encoding = r.apparent_encoding

        return r.text

    except:

        return ""

这里并没有利用BeautifuSoup模块对url信息进行结构化处理,而是直接利用正则表达式提取信息

def parserPage(ilt,html):

    try:

        plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"',html)  #正则表达式

        tlt = re.findall(r'\"raw_title\"\:\".*?\"',html) #正则表达式

        for i in range(len(plt)):

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

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

            ilt.append([price,title])

    except:

        print("")

打印信息

def printGoodsList(ilt):

    tplt = "{:4}\t{:8}\t{:16}"

    print(tplt.format("序号","价格","商品名称"))

    count = 0

    for g in ilt:

        count += 1

        print(tplt.format(count,g[0],g[1]))

def main():

    goods = '太平鸟'

    depth = 10

    start_url = 'https://s.taobao.com/search?q=' + goods

    infoList = []

    for i in range(depth):

        try:

            url = start_url + '&s=' + str(44*i)

            html = getHTMLText(url)

            parserPage(infoList,html)

        except:

            continue

        printGoodsList(infoList)

main()

©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容

  • # -*- coding: utf-8 -*- www.icourse163.org/learn/BIT-1001...
    蛐蛐囍阅读 313评论 0 0
  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 135,269评论 19 139
  • 声明:本文讲解的实战内容,均仅用于学习交流,请勿用于任何商业用途! 一、前言 强烈建议:请在电脑的陪同下,阅读本文...
    Bruce_Szh阅读 12,852评论 6 28
  • “我要你知道,在这个世界上总有一个人是等着你的,不管在什么时候,不管在什么地方,反正你知道,总有这么个人。” 我很...
    素衣念慈阅读 960评论 2 7
  • 今天我要结婚了,是和一个追了我三年的人,我很开心。 以前我暗恋我的邻居十年了,我希望他祝福我,真的,我不会在为他而...
    爱韵阅读 272评论 0 0