怎么利用爬虫技术抓取淘宝搜索页面的产品信息

Posted 2023-05-16

可以通过requests库re库进行淘宝商品爬虫爬取
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[i].split(':')[1])
title = eval(tlt[i].split(':')[1])
ilt.append([price,title])
except:
print("F")

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 = "https://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)
main()
这段代码在过去是可以爬取淘宝商品信息，但是因为淘宝的反扒技术升级，便不能让你大摇大摆地进出自如了。
此外也可以借助采集实现采集 参考技术A 写个脚本定时抓取 制定网页地址，通过正则表达式 匹配过滤想要的数据 整理成自己想要的格式（比如excel）。
php 语言的话，可以用 file_get_content、curl。
Linux 可以用 curl wget 等。

是使用淘宝API获取数据好，还是利用爬虫去抓取数据好

利用爬虫：网页上显示的都可以，需要自己编程或借助工具。
直接获取api：比较简单，当然这需要具备一定的技术基础，一般的话都只是提供给你数据，处理是需要技术手段去实现。 参考技术A api稳定，直接用采集器采集比较方便 参考技术B 这个各有优势，api稳定，爬虫不受约束 参考技术C 都不.好可以用多功能系统需要帮你安装个 参考技术D 生意参谋的最好