一、项目介绍

获取TB网页的一些信息（仅进行教育目的）

比如我们要通过关键字获取TB界面上的一些信息。

通过确认可以发现请求为：

https://s.taobao.com/search?q=书包&s=0    #q代表关键字，显示第一页https://s.taobao.com/search?q=书包&s=44   #显示第二页，每一个44个

结构设计：

提交商品请求，循环获取页面。

对于每个页面，提取商品名称和价格信息。

将信息输出到屏幕上。

二、获取解析

使用的解析方法有多种，一种使用BeatifulSoup库，一种使用正则表达式直接匹配出来。我们这里使用正则表达式。

通过查看源码可以看到，view_price和raw_title标签是我们需要的内容。

三、源码

# 已失效，需要登录import requestsimport redef getHTMLText(url):    try:        r = requests.get(url, timeout = 30)        r.raise_for_status()        r.encoding = r.apparent_encoding  #防止中文乱码        print(r.text)        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):    print(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 = coount +1        print(tplt.format(count, g[0], g[1]))def main():    goods = '书包'    depth = 1 #搜索两页，每页44个商品    start_url = 'https://s.taobao.com/search?q=' + goods    infoList = []    for i in range(depth):        try:            url = start_url + '&s=' + str(44*i)            print(url)            html = getHTMLText(url)            parsePage(infoList, html)        except:            continue    printGoodsList(infoList)main()

转载地址：http://guhpn.baihongyu.com/

你可能感兴趣的文章