|
1
2
3
|
# encoding:utf-8import re # 使用正则 匹配想要的数据import requests # 使用requests得到网页源码 |
这个函数是用来得到源码
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
# 得到主函数传入的链接def getHtmlText(url): try: # 异常处理 # 得到你传入的URL链接 设置超时时间3秒 r = requests.get(url, timeout=3) # 判断它的http状态码 r.raise_for_status() # 设置它的编码 encoding是设置它的头部编码 apparent_encoding是从返回网页中分析它的编码格式 r.encoding = r.apparent_encoding # 返回源代码 return r.text except: # 发生异常返回空 return '' |
这个函数使用来解析你的源代码 获取你想要的数据
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
# 解析你的网页信息def parsePage(ilt, html): # 异常处理 try: # 找到书包的价格 plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html) # 找到书包的名称 tlt = re.findall(r'\"raw_title\"\:\".*?\"', html) # 找到书包的地址 add = re.findall(r'\"item_loc\"\:\".*?\"', html) # 找到书包的图片链接 img = re.findall(r'\"pic_url\"\:\".*?\"', html) # 得到这个内容放入主函数中的列表 for i in range(len(plt)): price = eval(plt[i].split(':')[1]) title = eval(tlt[i].split(':')[1]) address = eval(add[i].split(':')[1]) imgs = eval(img[i].split(':')[1]) ilt.append([price, title, address, imgs]) except: # 放生异常输出空字符串 print('') |
|
1
2
3
4
5
6
7
8
9
10
|
# 得到主函数传入的列表def printGoodsList(ilt): # 每个列之间用tplt的放是隔开 tplt = '{:4}\t{:8}\t{:16}\t{:32}' # 这个是整个的标题 print(tplt.format('序号', '价格', '商品名称','地址', '图片地址')) count = 0 # 统计有多少的序号 for g in ilt: count = count + 1 # 循环一遍加一 print(tplt.format(count, g[0], g[1], g[2]), g[3]) # 输出你得到的数据 |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
# 定义主函数 maindef main(): goods = '书包' # 你要搜索的东西 depth = 2 # 你想要得到几页的东西 start_url = 'https://s.taobao.com/search?q=' + goods # 你搜索的网址加上你的搜索东西 infoList = [] # 自定义的空列表用来存放你的到的数据 for i in range(depth): # 循环你的页数 try: # 异常处理 url = start_url + '&s' + str(44 * i) # 得到你的网址 html = getHtmlText(url) # 得到url传入到你要得到url的函数中 parsePage(infoList, html) # 得到你的html源码 放入解析的网页中 except: # 发生异常跳过 continue # 把列表中的数据放入解析的函数中 printGoodsList(infoList) |
|
1
2
3
|
# 代码调试片段if __name__ == '__main__': main() # 调用主函数 |
以上就是经过小编测试过的用python3爬取淘宝信息的代码，大家测试后如果还有任何不明白的地方可以在下方的留言区讨论。
原文链接：http://blog.csdn.net/qq_39248703/article/details/73921038
