使用python异步爬取淘宝大量商品的价格，并生成excel文件

一个很简单的爬虫，但是由于request库不支持协程，如果要爬取多个页面的商品，会耗费大量的时间在同步网页请求上，简直就是龟速。

但是呢，官方专门提供了一个aiohttp库，用来实现异步网页请求等功能，可以看作异步版的requests库，需要我们手动安装。命令行输入pip install aiohttp安装。

在编写代码之前，我们需要先获得user-agent和cookie。先打开浏览器访问淘宝网，然后按 f12 进入开发者模式，如果什么也没有就按 f5 刷新一下，

点击后，会看到cookie，再往下会看到user-agent。
把他们复制下来，没有cookie和user-agent爬虫就无法爬取信息。

import aiohttp
import re
import asyncio
sem=asyncio.Semaphore(10)#信号量，控制协程数，防止爬的过快
header={"user-agent":"","Cookie":''}#header字典的value为刚刚复制的的user-agent和cookieasync def getExcel(url,header):async with sem:async with aiohttp.ClientSession() as session:async with session.request('GET',url,headers=header) as result:try:info=[]#定义一个列表，用于存储商品名称和价格text=await result.text()#异步获得页面信息GoodsNames=re.findall(r'\"raw_title\"\:\".*?\"',text)#使用正则表达式获取页面的商品名GoodsPrices=re.findall(r'\"view_price\"\:\"[\d\.]*\"',text)#使用正则表达式获取页面商品的价格#将该页面的商品名称和价格保存到info列表中for i in range(len(GoodsNames)):try:GoodsName=eval(GoodsNames[i].split(':')[1])GoodsPrice=eval(GoodsPrices[i].split(':')[1])info.append([GoodsName,GoodsPrice])except:info.append(['',''])except:pass#将保存有商品信息的info列表写入csv文件，注意文件的打开模式一定要为'a'，否则下一页面输入文件的新内容将覆盖本页面输入文件的内容。f=open('goods_info.csv','a',encoding='utf-8')for every in info:f.write(','.join(every)+'\n')def main(header):goods=input('请输入想检索的商品:')num=eval(input('请输入想检索的页面数:'))start_url='https://s.taobao.com/search?q=' + goodsurl_lst=[]#生成要爬取的多个页面的url列表for i in range(num):url_lst.append(start_url+'&s='+str(44*i)) loop=asyncio.get_event_loop()#获取事件循环tasks=[getExcel(url,header) for url in url_lst]#生成任务列表loop.run_until_complete(asyncio.wait(tasks))#激活协程if __name__=='__main__':main(header)

注意：
1、写入文件时在f.open()里要用‘a’，如果用的是‘w’那么循环写入时旧的内容会被新写入的覆盖掉。
2、开头的header字典要添加进去user-agent和cookie的value，否则无法爬取任何信息。

编译执行，输入想要爬取的商品和想要爬取多少页，运行。

请输入想检索的商品:羽绒服
请输入想检索的页面数:100

运行完毕会在.py文件的同一目录下生成一个csv文件，可以用excel打开。

只要短短十几秒，就可以爬取到几千个同类商品的价格，比单纯的request库效率不知道高了多少。如果有需要也可以增加功能，同时爬取销量、发货地点等信息。

使用python异步爬取淘宝大量商品的价格，并生成excel文件相关推荐

python +selenium 爬取淘宝网商品信息
前几天用python爬取豆瓣关于电影<长城>的影评,发现豆瓣的网页是静态的,心中一阵窃喜.以为对于动态网页了解的不是太多.但是主要是用cookie加headers爬取的.效果还不错,爬取了 ...
python定向爬取淘宝中商品的名称和价格
一.思路: (1)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 (2)理解: 淘宝的搜索接口翻页的处理 (3)技术路线:requests库.re库二.代码实现: 说明:本文爬取的是淘宝中 ...
简单使用Python爬虫爬取淘宝网页商品信息
最近在学习爬虫,本人还是入门级的小白,自己跟着老师写了一些代码,算是自己的总结,还有一些心得,跟大家分享一下,如果不当,还请各位前辈斧正. 这是代码: # 导入库 import requests im ...
Python requests爬取淘宝商品信息
作者:achen 联系方式:wh909077093 这里记一下大概的思路以及实现方法,有基础的小伙伴看了基本就能实现了,如果有业务需要可以联系我哈哈哈哈哈哈本文代码参考猪哥66的思路项目内容指定 ...
Python + selenium 爬取淘宝商品列表及商品评论 2021-08-26
Python + selenium 爬取淘宝商品列表及商品评论[2021-08-26] 主要内容登录淘宝获取商品列表获取评论信息存入数据库需要提醒主要内容通过python3.8+ sel ...
python使用requests库爬取淘宝指定商品信息
python使用requests库爬取淘宝指定商品信息在搜索栏中输入商品通过F12开发者工具抓包我们知道了商品信息的API,同时发现了商品数据都以json字符串的形式存储在返回的html内解析u ...
用Python爬取淘宝网商品信息
用Python爬取淘宝网商品信息转载请注明出处网购时经常会用到淘宝网点我去淘宝但淘宝网上的商品琳琅满目,于是我参照中国大学 MOOC的代码写了一个爬取淘宝网商品信息的程序代码如下: impor ...
网络爬虫爬取淘宝页面商品信息
网络爬虫爬取淘宝页面商品信息最近在MOOC上看嵩老师的网络爬虫课程,按照老师的写法并不能进行爬取,遇到了一个问题,就是关于如何"绕开"淘宝登录界面,正确的爬取相关信息.通过百度找 ...
爬取淘宝任意商品数据，你上你也行
文章目录构造url 分析页面结构爬取多页数据最后构造url 第一页url https://s.taobao.com/search?q="面膜" 第二页url https:/ ...

使用python异步爬取淘宝大量商品的价格，并生成excel文件

使用python异步爬取淘宝大量商品的价格，并生成excel文件相关推荐

最新文章

热门文章