1.开始前准备
1.1 python3，本文代码使用Python3来写。没有安装Python3的童鞋请先安装Python3哦
1.2 requests库，Requests 是用Python语言编写，基于 urllib，采用 Apache2 Licensed 开源协议的 HTTP 库。它比 urllib 更加方便，可以节约我们大量的工作，完全满足 HTTP 测试需求。
下载方法：
pip install requests
1.3 pycharm，一款功能强大的PythonIDE！下载官方版本后，使用license sever免费使用（同系列产品类似），具体参照http://www.cnblogs.com/hanggegege/p/6763329.html。
2.爬取分析
我们的目标是实现一个能够代替淘宝搜索获取商品信息的脚本，那么我们先来分析分析具体应该如何实现吧！
我们尝试一下通过网页上的“搜索”按钮来获取一些信息。我们随便输入一个商品名称：电脑
重复几次相同操作查询不同名称商品后，我们发现了一些规律，通过观察url参数我们发现，只要在https://s.taobao.com/search?q=后面加上你需要查询的商品名称就能获取你想要的淘宝商品信息了！我们就以这个为突破口，去写目标脚本吧！
3.代码过程分析与演示
首先我们导入所需要的库：
import requests
import re
我们先来看看电脑信息页面的源代码，去发现其中商品信息的规律，再用正则表达式去实施全局匹配，右键上图页面查看源代码：
仔细观察这段代码，通过对一组数据的分析得到：商品名称在raw_title当中，商品价格view_price当中，通过这个规律 ，我们来写两个正则表达式，匹配页面上的所有商品价格与名称！
我们先来写个函数获取网页代码信息：
def getHTMLText(url):
try:
r = requests.get(url)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text #这几行不懂的可以去查查requests库的文档哦
except:
return ""
接着，我们再写个函数把获取商品信息：
def parsePage(ilt, html):
try:
plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html) #本文代码的精髓就在这两行了
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（""）
最后，我们需要写个函数把商品信息列出来：
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]))
现在我们来写个main()函数来测试我们的代码吧！
def main():
goods = input('请输入要查找的商品名称：')
depth = 3 #爬取的页码深度，可以自己调哦
start_url = 'https://s.taobao.com/search?q=' + goods
infoList = []
for i in range(depth):
try:
url = start_url + '&s=' + str(44 * i) #去翻页看看url的变化就知道为什么这么些了
html = getHTMLText(url)
parsePage(infoList, html)
except:
continue
printGoodsList(infoList)
项目完整代码：
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 = input('请输入要查找的商品名称：')
depth = 3
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()
我们来看看运行效果图：
大功告成！
（ps:本文代码参照中国慕课网课程）
谢谢观看！
