赞
踩
目标:获取淘宝搜索页面的信息,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:requests re
步骤1:提交商品搜索请求,循环获取页面
步骤2:对于每个页面,提取商品名称和价格信息
步骤3:将信息输出到屏幕上
用爬虫爬取淘宝,淘宝网有robots协议所以不能直接爬取,需要登录获取头部headers信息。
步骤1:登录淘宝,进入搜索页,F12
步骤2:选择Network,Ctrl+R刷新,找到上方以search?为开头的文件,右键
步骤3:选择copy,copy as cURL(bash)
步骤4:在转换,将上一步复制的内容粘贴到curl command窗口
5.复制右侧的headers内容,在程序中用以变量header保存,作为参数传给requests.get(url,headers=header)
代码:
#淘宝商品信息定向爬虫
import re
import requests
def getHTMLText(url):#从网络获取网友内容
try:
headers = {
'authority': 's.taobao.com',
'cache-control': 'max-age=0',
'upgrade-insecure-requests': '1',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36',
'sec-fetch-user': '?1',
'accept': 'te
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。