淘宝商品比价定向爬虫

功能描述

• 目标：获取淘宝索索页面的信息，提取其中的商品名称和价格
• 理解：淘宝的搜索接口、翻页的处理
• 技术路线：request-re

https://s.taobao.com/search?q=书包  

程序的结构设计

1. 提交商品搜索请求，循环获取页面。
2. 对于每个页面，提取商品名称和价格信息。
3. 将信息输出到屏幕上。

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("")

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://www.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()