鱼C论坛

 找回密码
 立即注册
查看: 1176|回复: 0

[技术交流] 爬虫获取信息失败,跪求各位大佬指点迷津

[复制链接]
发表于 2022-9-17 23:37:56 | 显示全部楼层 |阅读模式
5鱼币
#淘宝书包信息获取.py
import requests
import re

def getHTMLText(url):
    #获取网址
    try:
        r = requests.get(url, timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""

def parsePage(ilt, html):
    #解析网址信息,获取其中的价格及其名称
    #代码不能正常爬取信息,很有可能是本函数即网址解析出现了问题
    try:
        plt = re.findall(r'\"view_price\"\:\"[\d\.]*\"', html)
        #正则表达式,获取网页中所有例如“view_price":"127.00”模式的有关价格的信息
        tlt = re.findall(r'\"raw_title\"\:\".*?\"', html)
        #正则表达式,获取网页中所有例如“raw_title":"书包”模式的有关商品名称的信息
        for i in range(len(plt)):
            price = eval(plt[i].split(':')[1])
            title = eval(tlt[i].split(':')[1])
            ilt.append([price,title])
        #通过for循环将价格和名称用列表的信息整理
        #eval()主要是去除获取信息中的符号如单、双引号
    except:
        print("")
        #tyr-except模式跳过运行过程中的异常模式,使代码能正常运行结束
def printGoodsList(ilt):
    #将解析的信息打印出来
    tplt = "{:4}\t{:8}\t{:16}"
    #将输出的信息按照固定的距离打印出来
    print(tplt.format("序号",  "价格", "商品价格"))
    count = 0
    for g in ilt:
        count = count + 1
        print(tplt.format(count, g[0], g[1]))
        
def main():
    #主函数用于运行前面三个函数,并最终获得结果
    goods = '书包'
    depth = 3
    start_url = 'https://s.taobao.com/search?q=' + goods
    infoList = []
    for i in range(depth):
        try:
            url = start_url + '&s=' + str(44*i)
            html = getHTMLText(url)
            parsePage(infoList, html)
        except:
            continue
    printGoodsList(infoList)
main()
#出现的问题:代码能正常运行,但是不能爬取淘宝相关信息,而且不知道问题出现在什么地方
#至少代码的书写没有错误,复制课堂老师的代码运行的结果也是一样
#怀疑是链接访问出现问题,有可能这种代码书写并不能正常访问和爬取网址

想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

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, 2024-4-20 13:49

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表