在讲爬取淘宝详情页数据之前,先来介绍一款 Chrome 插件:Toggle JavaScript (它可以选择让网页是否显示 js 动态加载的内容),如下图所示:
当这个插件处于关闭状态时,待爬取的页面显示的数据如下:
当这个插件处于打开状态时,待爬取的页面显示的数据如下:
评论数据的链接可以直接访问(和价格信息找法类似),这里我知己去访问它,如下图所示:
"htmlcode">
# filename:spider_taobao.py #!/usr/bin/env python # -*- coding=utf-8 -*- import re import urllib2 def spider_taobao(url): headers = { 'Accept':'application/json, text/plain, */*', 'Accept-Language':'zh-CN,zh;q=0.3', 'Referer':'https://item.taobao.com/item.htm', 'User-Agent':'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36', 'Connection':'keep-alive', } goods_id = re.findall('id=(\d+)', url)[0] try: req = urllib2.Request(url=url, headers=headers) res = urllib2.urlopen(req).read().decode('gbk', 'ignore') except Exception as e: print '无法打开网页:', e.reason try: title = re.findall('<h3 class="tb-main-title" data-title="(.*"', res) title = title[0] if title else None line_price = re.findall('<em class="tb-rmb-num">(.*"https://detailskip.taobao.com/service/getData/1/p1/item/detail/sib.htm".format(goods_id) price_req = urllib2.Request(url=purl, headers=headers) price_res = urllib2.urlopen(price_req).read() data = list(set(re.findall('"price":"(.*"', price_res))) # data列表中的价格可能是定值与区间的组合,也可能只是定值,而且不一定有序 real_price = "" for t in data: if '-' in t: real_price = t break if not real_price: real_price = sorted(map(float, data))[0] # 45-53行为抓取评论数据,该数据也是动态加载的 comment_url = "https://rate.tmall.com/list_detail_rate.htm".format(goods_id) comment_data = urllib2.urlopen(comment_url).read().decode("GBK", "ignore") temp_data = re.findall('("commentTime":.*"days"', comment_data) temp_data = temp_data if temp_data else re.findall('("rateContent":.*"reply"', comment_data) comment = "" for data in temp_data: comment += data.encode('utf-8') comment = comment if comment else "暂无评论" except Exception as e: print '数据抽取失败!!!' print '商品名:', title print '划线价格:', line_price print '真实价格:', real_price print '商品链接:', url print '部分评论内容:', comment if __name__ == '__main__': #url = 'https://item.taobao.com/item.htm"请输入商品链接: ") spider_taobao(url)
运行结果如下:
更多内容请参考专题《python爬取功能汇总》进行学习。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
暂无评论...
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?
更新日志
2024年11月26日
2024年11月26日
- 凤飞飞《我们的主题曲》飞跃制作[正版原抓WAV+CUE]
- 刘嘉亮《亮情歌2》[WAV+CUE][1G]
- 红馆40·谭咏麟《歌者恋歌浓情30年演唱会》3CD[低速原抓WAV+CUE][1.8G]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[320K/MP3][193.25MB]
- 【轻音乐】曼托凡尼乐团《精选辑》2CD.1998[FLAC+CUE整轨]
- 邝美云《心中有爱》1989年香港DMIJP版1MTO东芝首版[WAV+CUE]
- 群星《情叹-发烧女声DSD》天籁女声发烧碟[WAV+CUE]
- 刘纬武《睡眠宝宝竖琴童谣 吉卜力工作室 白噪音安抚》[FLAC/分轨][748.03MB]
- 理想混蛋《Origin Sessions》[320K/MP3][37.47MB]
- 公馆青少年《我其实一点都不酷》[320K/MP3][78.78MB]
- 群星《情叹-发烧男声DSD》最值得珍藏的完美男声[WAV+CUE]
- 群星《国韵飘香·贵妃醉酒HQCD黑胶王》2CD[WAV]
- 卫兰《DAUGHTER》【低速原抓WAV+CUE】
- 公馆青少年《我其实一点都不酷》[FLAC/分轨][398.22MB]
- ZWEI《迟暮的花 (Explicit)》[320K/MP3][57.16MB]