python爬取淘宝商品信息
时间: 2023-09-14 19:12:12 浏览: 59
以下是一个简单的Python代码示例,用于爬取淘宝商品信息:
```python
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' # 搜索关键词
depth = 2 # 爬取页数
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()
```
代码说明:
1. getHTMLText()函数用于获取指定URL的HTML文本,并使用try...except...语句来捕获可能出现的异常,如连接超时等。
2. parsePage()函数用于解析HTML文本,提取商品名称和价格,并将它们存储在一个列表中。
3. printGoodsList()函数用于格式化输出商品信息列表。
4. main()函数用于设置搜索关键词、爬取页数,并调用getHTMLText()和parsePage()函数来爬取和解析淘宝商品信息,最后调用printGoodsList()函数输出结果。
此代码仅供参考,实际使用时需要注意反爬虫策略和法律风险。