原创 Python爬虫学习笔记(7)——淘宝商品信息爬取

2017-11-12 09:31 1680 18 18 分类: 软件与OS

(一)1、功能描述:

目标:获取淘宝搜索页面的信息,提取商品名称和价格;

理解:淘宝的搜索接口,翻页的处理;

技术路线: requests,re

2、程序的结构设计、

步骤1:提交商品搜索请求,循环获取页面;

步骤2:对每个页面,提取商品名称和价格信息;


(二)代码

import requests
import re

def getHTMLText(url):
try:
r = requests.get(url,timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return ""


def parsePage(ilt,html):
try:
plt = re.findall(r'\"view_price"\:\"[\d\.]*\"',html)
tlt = re.findall(r'\"raw_title\"\:\".*?"',html)
for i in range(len(plt)):
price = eval(plt.split(':')[1])
title = eval(tlt.split(':')[1])
ilt.append([price,title])
except:
print("")

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

def main():
goods = "书包"
depth = 2;
start_url = "http://s.taobao.com/search?q=" + goods
infoList=[]
for i in range(depth):
try:
url = start_url + "&s=" + str(44*i)
html = getHTMLText(url)
parsePage(infoList,html)
except:
continue

printGoodsList(infoList)


输出结果





文章评论0条评论)

登录后参与讨论
相关推荐阅读
LoneSurvivor 2018-02-25 08:26
C++输入/输出流(2)
1. get()函数#include<iostream>using namespace std;int main(){    char s1[80], s2[...
LoneSurvivor 2018-02-23 12:19
C++输入/输出流(1)
1. 输入/输出流类层次 C++的输入/输出流类库是用派生方法建立起的,它有2个平行的基类,streambuf和ios。其他的流类都是从这两个基类直接或间接派生的。1.1  ...
LoneSurvivor 2018-02-19 11:36
C++多态(4)——特殊运算符重载和类类型转换
1.“++”和“--”的重载     运算符“++”和“--”的重载要区分前置和后置两种形式。如果不区分前置和后置,则使用operator++()或operator—()即可...
LoneSurvivor 2018-02-12 11:15
C++多态(3)——运算符重载
1.     运算符重载的定义     运算符重载也是实现多态的一个重要手段。运算符重载实现的是编译时的多态,即静态多态性。C++预...
LoneSurvivor 2018-02-12 10:31
C++多态(2)——纯虚函数与抽象类
   抽象类是一种特殊的类,它提供了统一的操作界面。建立抽象类是为了多态地使用抽象类的成员函数。抽象类是包含纯虚函数的类。 1.    ...
LoneSurvivor 2018-02-11 16:24
C++多态(1)
1.     多态      多态是人类思维方式的一种直接模拟,多态性是指不同对象接收到相同的消息时,根据对象类的不同而产...
我要评论
0
18
1
2
3
4
5
6
7
8
9
0
关闭 热点推荐上一条 /4 下一条