编写一个爬虫，爬取淘宝某一类商品的前10页商品信息，包括商品名称、价格、销量和评价数，并将结果保存到CSV文件中。

编写一个爬取淘宝商品信息的Python爬虫，可以使用如BeautifulSoup库来解析HTML，加上requests库获取网页内容。这里我给出一个简单的示例，假设我们使用了Scrapy框架作为基础，因为它的爬虫功能强大且易于管理。首先你需要安装必要的库：

pip install scrapy requests pandas beautifulsoup4

然后创建一个新的Scrapy项目：

scrapy startproject taobao_crawler
cd taobao_crawler

接着，在`taobao_crawler/spiders`目录下创建一个名为`tianmao_spider.py`的文件，编写基本的爬虫代码：

import scrapy
from bs4 import BeautifulSoup
import pandas as pd

class TaobaoSpider(scrapy.Spider):
    name = 'tianmao'
    allowed_domains = ['taobao.com']
    start_urls = ['https://list.taobao.com/search?q={}&page={}'.format('你想抓取的商品类别关键词', 1)]

    def parse(self, response):
        # 解析HTML提取数据
        soup = BeautifulSoup(response.text, 'lxml')
        
        items = []
        for item in soup.find_all('li', class_='item'):
            try:
                title = item.find('h3', class_='title').text.strip()
                price = float(item.find('span', class_='price').text.strip().replace('￥', ''))
                sales = int(item.find('em', class_='sales_num').text.strip())
                rating = int(item.find('i', class_='score-score').get('data-score'))  # 假设评分直接显示为数字
                items.append({
                    '标题': title,
                    '价格': price,
                    '销量': sales,
                    '评价数': rating
                })
                
                # 如果达到目标页面数则停止
                if len(items) >= 10:  # 这里假设每页有10条商品
                    break
            except (AttributeError, ValueError):
                pass
        
        # 将数据保存到CSV文件
        df = pd.DataFrame(items)
        df.to_csv('taobao_data.csv', index=False)

# 调用爬虫
if __name__ == '__main__':
    from scrapy.crawler import CrawlerProcess
    process = CrawlerProcess()
    process.crawl(TaobaoSpider)
    process.start()  # 运行爬虫

这个例子中，你需要替换`start_urls`中的商品类别关键词。此外，淘宝的结构可能会经常变化，实际爬取时需要根据当前网站布局调整解析代码。