首页 > 代码库 > Python实例之抓取淘宝商品数据(json型数据)并保存为TXT

Python实例之抓取淘宝商品数据(json型数据)并保存为TXT

本实例实现了抓取淘宝网中以‘python’为关键字的搜索结果,经详细查看数据存储于html文档中的js脚本中,数据类型为JSON

通过浏览器相关工具发现捧腹网笑话页面的数据存储在HTML页面而非json数据中,因此可以直接使用soup.select()方法来抓取数据,具体实现代码如下:

import requests
import re
import json
from urllib.parse import urlencode
from bs4 import BeautifulSoup
finalstr = ‘‘
count = 0                   #初始化页码对应参数,0为首页
test = 0                    #初始化数据总条数
for j in range(0,100):           #共搜索100页数据
    count = 44*j                  #每跳一页参数值增加44
    data =http://www.mamicode.com/ {
        q:python,
        imgfile:‘‘,
        js:1,
        stats_click:search_radio_all:1,
        initiative_id:staobaoz_20170529,
        ie:utf8,
        bcoffset:4,
        ntoffest:4,
        p4ppushleft:1,48,
        s:count                 
    }                               #浏览器地址的get参数,只有‘s‘会随着页码改变而改变
    url = https://s.taobao.com/search? + urlencode(data)         #浏览器地址
    req = requests.get(url)
    pattern = re.compile(g_page_config = (.*?);\n    g_srp_loadCss())    #正则表达式匹配数据
    result = pattern.search(req.text)
    # result.group(1)
    jsres = json.loads(result.group(1))       #匹配后获得的json数据深度比较大,需要层层剖析
    sedata = http://www.mamicode.com/jsres[mods][ itemlist][data][auctions]     #经过剖析后的json数据
    for i in range(0,len(sedata)):
        rt = 标题:+sedata[i][raw_title]+\n
        finalstr += rt
        rp = 价格:+sedata[i][view_price]+\n
        finalstr += rp
        rn = 卖家:+sedata[i][nick]+\n
        finalstr += rn
        rd = 地址:+sedata[i][item_loc]+\n\n
        finalstr += rd
        print(当前正在读取第+str(j+1)+"页的第"+str(i+1)+条数据...)
        test += 1
f = open(淘宝搜索python时的商品数据,共+str(test)+条.txt,w,1,UTF-8)    #保存数据到TXT
f.write(finalstr)
print(正在保存。。。)
f.close()
print(保存完毕!共+str(test)+条数据)

 

Python实例之抓取淘宝商品数据(json型数据)并保存为TXT