原创 Python爬虫学习笔记（7）——淘宝商品信息爬取

（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​​