鱼C论坛

 找回密码
 立即注册
查看: 1347|回复: 7

[已解决]低级爬虫问题

[复制链接]
发表于 2019-10-5 08:39:17 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
import requests
from lxml import html


def spider(sn):

    url = 'https://re.taobao.com/search_ou?refpid=mm_26632258_3504122_32538762&clk1=0c5e32ca052fe01c4cf901fa6453d137&keyword={}&_input_charset=utf-8&page=0&isinner=0'.format(sn)
    html_data = requests.get(url).text
    selector = html.fromstring(html_data)

    ur_list = selector.xpath('//div[@class="item"]')
    print(len(ur_list))

    for li in ur_list:
        title = li.xpath('div[@class="info"]/span/@title')
        print(title)


if __name__ == '__main__':
    sn = '9787115428028'
    spider(sn)

不知道哪里出错了,爬到的都是空的
最佳答案
2019-10-7 12:03:08
zhoujie13 发表于 2019-10-7 11:21
用requests库怎么解决呢
import requests
from lxml import html


def spider(sn):

    url = 'https://re.taobao.com/search_ou?refpid=mm_26632258_3504122_32538762&clk1=0c5e32ca052fe01c4cf901fa6453d137&keyword={}&_input_charset=utf-8&page=0&isinner=0'.format(sn)
    html_data = requests.get(url).text
    selector = html.fromstring(html_data)

    titles = selector.xpath('//div[@class="item"]/a/div[@class="info"]/span/@title')
    
    for title in titles:        
        print(title)


if __name__ == '__main__':
    sn = '9787115428028'
    spider(sn)
fe0ffee3d34f5762c5e1ff6f179454a.png
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2019-10-5 08:59:38 From FishC Mobile | 显示全部楼层
淘宝都有反爬吧
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-10-5 09:41:20 | 显示全部楼层

不知道,看视频他是可以的
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2019-10-7 09:36:04 | 显示全部楼层
zhoujie13 发表于 2019-10-5 09:41
不知道,看视频他是可以的

对方使用了代理池吗?
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2019-10-7 10:41:19 | 显示全部楼层
import urllib.request
from lxml import html


def spider(sn):

    url = 'https://re.taobao.com/search_ou?refpid=mm_26632258_3504122_32538762&clk1=0c5e32ca052fe01c4cf901fa6453d137&keyword={}&_input_charset=utf-8&page=0&isinner=0'.format(sn)
    response = urllib.request.urlopen(url)
    html_data = response.read().decode('utf-8')    
    
    selector = html.fromstring(html_data)

    titles = selector.xpath('//div[@class="item"]/a/div[@class="info"]/span/@title')
    
    for title in titles:        
        print(title)
        


if __name__ == '__main__':
    sn = '9787115428028'
    spider(sn)
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-10-7 11:18:13 | 显示全部楼层
geen 发表于 2019-10-7 09:36
对方使用了代理池吗?

没有吧,很简单的代码
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-10-7 11:21:55 | 显示全部楼层

用requests库怎么解决呢
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2019-10-7 12:03:08 | 显示全部楼层    本楼为最佳答案   
zhoujie13 发表于 2019-10-7 11:21
用requests库怎么解决呢
import requests
from lxml import html


def spider(sn):

    url = 'https://re.taobao.com/search_ou?refpid=mm_26632258_3504122_32538762&clk1=0c5e32ca052fe01c4cf901fa6453d137&keyword={}&_input_charset=utf-8&page=0&isinner=0'.format(sn)
    html_data = requests.get(url).text
    selector = html.fromstring(html_data)

    titles = selector.xpath('//div[@class="item"]/a/div[@class="info"]/span/@title')
    
    for title in titles:        
        print(title)


if __name__ == '__main__':
    sn = '9787115428028'
    spider(sn)
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2024-6-10 12:45

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表