python3爬取淘宝信息代码分析

# encoding:utf-8
import re # 使用正则 匹配想要的数据
import requests # 使用requests得到网页源码

这个函数是用来得到源码

# 得到主函数传入的链接
def getHtmlText(url):
 try: # 异常处理
   # 得到你传入的URL链接 设置超时时间3秒
   r = requests.get(url, timeout=3)
   # 判断它的http状态码
   r.raise_for_status()
   # 设置它的编码 encoding是设置它的头部编码 apparent_encoding是从返回网页中分析它的编码格式
   r.encoding = r.apparent_encoding
   # 返回源代码
   return r.text
 except: # 发生异常返回空
   return ''

这个函数使用来解析你的源代码 获取你想要的数据

# 解析你的网页信息
def parsePage(ilt, html):
 # 异常处理
 try:
   # 找到书包的价格
   plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html)
   # 找到书包的名称
   tlt = re.findall(r'\"raw_title\"\:\".*?\"', html)
   # 找到书包的地址
   add = re.findall(r'\"item_loc\"\:\".*?\"', html)
   # 找到书包的图片链接
   img = re.findall(r'\"pic_url\"\:\".*?\"', html)
   # 得到这个内容放入主函数中的列表
   for i in range(len(plt)):
     price = eval(plt[i].split(':')[1])
     title = eval(tlt[i].split(':')[1])
     address = eval(add[i].split(':')[1])
     imgs = eval(img[i].split(':')[1])  
     ilt.append([price, title, address, imgs])
 except: # 放生异常输出空字符串
   print('')

# 得到主函数传入的列表
def printGoodsList(ilt):
 # 每个列之间用tplt的放是隔开
 tplt = '{:4}\t{:8}\t{:16}\t{:32}'
 # 这个是整个的标题
 print(tplt.format('序号', '价格', '商品名称','地址', '图片地址'))
 count = 0 # 统计有多少的序号
 for g in ilt:
   count = count + 1 # 循环一遍加一
   print(tplt.format(count, g[0], g[1], g[2]), g[3]) # 输出你得到的数据

# 定义主函数 main
def main():
 goods = '书包' # 你要搜索的东西
 depth = 2 # 你想要得到几页的东西
 start_url = 'https://s.taobao.com/search?q=' + goods # 你搜索的网址加上你的搜索东西
 infoList = [] # 自定义的空列表用来存放你的到的数据
 for i in range(depth): # 循环你的页数
   try: # 异常处理
     url = start_url + '&s' + str(44 * i) # 得到你的网址
     html = getHtmlText(url) # 得到url传入到你要得到url的函数中
     parsePage(infoList, html) # 得到你的html源码 放入解析的网页中
   except: # 发生异常跳过
     continue
 # 把列表中的数据放入解析的函数中
 printGoodsList(infoList)

# 代码调试片段
if __name__ == '__main__':
 main() # 调用主函数

来源：http://blog.csdn.net/qq_39248703/article/details/73921038