Python实战采集某宝商品：帮你挑选女朋友最爱的月饼口味

马上到月饼节了，又到了吃月饼的日子了，python帮你挑选最爱的月饼口味

目标网址：某宝

工具使用

开发工具：pycharm
开发环境：python3.7， Windows10
使用工具包：requests，lxml

重点学习的内容

• get请求
• 获取网页数据
• 提取数据方法

项目思路解析

淘宝网站是需要登录获取，登录的方式可以尝试解析淘宝的接口，白又白这里直接用cookie请求头的方式实现状态保持，登录之后获取(但是最近淘宝好像是不需要登录了，小伙伴可以自己尝试下)
找到你需要搜索的关键字，马上要中秋节了（白又白这里搜索的是月饼）

淘宝的页数是由url进行渲染的，通过url来获取商品的页数
url可以做简化处理

简化之前
https://s.taobao.com/search?q=%E6%9C%88%E9%A5%BC&imgfile=&js=1&stats_click=search_radio_all%3A1&initiative_id=staobaoz_20210829&ie=utf8&bcoffset=3&ntoffset=3&p4ppushleft=2%2C48&s=44

简化之后
https://s.taobao.com/search?q={}&s={}

q为搜索的关键字，s为你要获取的页数
通过requests工具发送网络请求
获取网页数据
​

    key = "月饼"
    for i in range(1, 4):
        url = 'https://s.taobao.com/search?q={}&s={}'.format(key, str(i*44))
        get_data(url)

获取的数据为HTML数据可以通过xpath方式，正则，pyquery，bs4的方式进行数据提取挑选合适自己的，习惯使用的
通过正则方式提取数据

淘宝的数据是存在json数据里的提取下来之后可以通过字典取值的方式获取
提取的数据：

• 价格
• 付款人数
• 标题
• 店铺
• 地点

data = re.findall('"auctions":(.*?),"recommendAuctions', response.text)[0]
    for info in json.loads(data):
        item = {}
        item['网址'] = info['detail_url']
        item['标题'] = info['raw_title']
        item['图片地址'] = info['pic_url']
        item['价格'] = info['view_price']
        item['地点'] = info['item_loc']
        item['购买人数'] = info.get('view_sales')
        item['评论数'] = info['comment_count']
        item['店铺'] = info['nick']

最终保存数据，数据保存在csv表格

def save_data(data):
    f = open('月饼.csv', "a", newline="", encoding='utf-8')
    csv_writer = csv.DictWriter(f, fieldnames=['标题', '价格', '购买人数', '地点', '网址', '图片地址', '评论数', '店铺'])
    csv_writer.writerow(data)

简易源码分享

headers = {
    'referer': 'https://s.taobao.com/',
    'cookie': '',
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36',
}

def save_data(data):
    f = open('月饼.csv', "a", newline="", encoding='utf-8')
    csv_writer = csv.DictWriter(f, fieldnames=['标题', '价格', '购买人数', '地点', '网址', '图片地址', '评论数', '店铺'])
    csv_writer.writerow(data)


def get_data(url):
    response = requests.get(url, headers=headers)
    print(response.text)
    data = re.findall('"auctions":(.*?),"recommendAuctions', response.text)[0]
    for info in json.loads(data):
        item = {}
        item['网址'] = info['detail_url']
        item['标题'] = info['raw_title']
        item['图片地址'] = info['pic_url']
        item['价格'] = info['view_price']
        item['地点'] = info['item_loc']
        item['购买人数'] = info.get('view_sales')
        item['评论数'] = info['comment_count']
        item['店铺'] = info['nick']
        print(item)
        save_data(item)



if __name__ == '__main__':
    file = open('月饼.csv', "w", encoding="utf-8-sig", newline='')
    csv_head = csv.writer(file)
    # 表头
    header = ['标题', '价格', '购买人数', '地点', '网址', '图片地址', '评论数', '店铺']
    csv_head.writerow(header)
    key = "月饼"
    for i in range(1, 4):
        url = 'https://s.taobao.com/search?q={}&s={}'.format(key, str(i*44))
        get_data(url)
        time.sleep(5)

关注我持续为您分享干货内容，你的收藏、评论、点赞就是对我最大的支持！