通過requests庫re庫進(jìn)行淘寶商品爬蟲爬瓤丈А(對中國大學(xué)mooc嵩天老師爬蟲課例進(jìn)行修改)

中國大學(xué)mooc上的爬取淘寶頁面商品已經(jīng)因?yàn)樘詫毜木S護(hù)而無法爬取

比如,只出現(xiàn)個表頭:

image

這是我按照嵩天老師代碼學(xué)習(xí)擂仍,遇到的問題囤屹。

原代碼如下:

import requests

import re

def getHTMLText(url):

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):

try:

plt = re.findall(r'"view_price":"[\d+.]*"',html)

tlt = re.findall(r'"raw_title":".*?"',html)

for i in range(len(plt)):

price = eval(plt[i].split(':')[1])

title = eval(tlt[i].split(':')[1])

ilt.append([price,title])

except:

print("F")

def printGoodsList(ilt):

tplt = "{:4}\t{:8}\t{:16}"

print(tplt.format("序號","價格","商品名稱"))

count = 0

for g in ilt:

count = count +1

print(tplt.format(count,g[0],g[1]))

def main():

goods = '書包'

depth = 2

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()

這段代碼在過去是可以爬取淘寶商品信息,但是因?yàn)樘詫毜姆窗羌夹g(shù)升級逢渔,便不能讓你大搖大擺地進(jìn)出自如了肋坚。

所以,想要用爬蟲爬淘寶,先要學(xué)會偽裝智厌。

簡單來說诲泌,就本課例而言,我們需要把headers內(nèi)容中的referer和cookies進(jìn)行替換铣鹏,改頭換面敷扫,就可以爬取我們所需要的淘寶信息了。

實(shí)際操作如下:

1.首先打開淘寶頁面诚卸,搜索書包

image

有時必須登錄才能搜索葵第,或不,但都不會影響到爬蟲運(yùn)行合溺。

2.然后按F12卒密,進(jìn)行如下圖的操作,即按照紅色箭頭以此操作:Network→All→右擊search文件→Copy→ Copy as cURL(bash)

image

3.然后將復(fù)制內(nèi)容復(fù)制到https://curl.trillworks.com/中的curl command窗口中

image

4.將python requests框內(nèi)的headers={****}內(nèi)容進(jìn)行復(fù)制,如下:

headers = {

'authority': 's.taobao.com',

'upgrade-insecure-requests': '1',

'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36',

'sec-fetch-dest': 'document',

'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,/;q=0.8,application/signed-exchange;v=b3;q=0.9',

'sec-fetch-site': 'same-origin',

'sec-fetch-mode': 'navigate',

'sec-fetch-user': '?1',

'referer': ***********,

'accept-language': 'zh-CN,zh;q=0.9',

'cookie': ***********棠赛,

}

(此處的headers信息中referer和cookie已經(jīng)被我隱藏了哮奇,你直接復(fù)制你自己的headers={}就可以了)

5.最后,修改到原程序里睛约,如下:

import requests

import re

def getHTMLText(url):

try:

header = { 'authority': 's.taobao.com',

'upgrade-insecure-requests': '1',

'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36',

'sec-fetch-dest': 'document',

'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,/;q=0.8,application/signed-exchange;v=b3;q=0.9',

'sec-fetch-site': 'same-origin',

'sec-fetch-mode': 'navigate',

'sec-fetch-user': '?1',

'referer': '**********',

'accept-language': 'zh-CN,zh;q=0.9',

'cookie': ‘***********’,}

r= requests.get(url,headers = header)

r.raise_for_status()

r.encoding = r.apparent_encoding

return r.text

except:

return ""

def parsePage(ilt,html):

try:

plt = re.findall(r'"view_price":"[\d+.]*"',html)

tlt = re.findall(r'"raw_title":".*?"',html)

for i in range(len(plt)):

price = eval(plt[i].split(':')[1])

title = eval(tlt[i].split(':')[1])

ilt.append([price,title])

except:

print("F")

def printGoodsList(ilt):

tplt = "{:4}\t{:8}\t{:16}"

print(tplt.format("序號","價格","商品名稱"))

count = 0

for g in ilt:

count = count +1

print(tplt.format(count,g[0],g[1]))

def main():

goods = '書包'

depth = 2

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()

除了添加更改header外鼎俘,還要記得

r.requests.get(url,timeout=30)

改成

r.requests.get(url,headers=header)

運(yùn)行

image

成功

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市痰腮,隨后出現(xiàn)的幾起案子而芥,更是在濱河造成了極大的恐慌,老刑警劉巖膀值,帶你破解...
    沈念sama閱讀 218,941評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件棍丐,死亡現(xiàn)場離奇詭異,居然都是意外死亡沧踏,警方通過查閱死者的電腦和手機(jī)歌逢,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,397評論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來翘狱,“玉大人秘案,你說我怎么就攤上這事×市伲” “怎么了阱高?”我有些...
    開封第一講書人閱讀 165,345評論 0 356
  • 文/不壞的土叔 我叫張陵,是天一觀的道長茬缩。 經(jīng)常有香客問我赤惊,道長,這世上最難降的妖魔是什么凰锡? 我笑而不...
    開封第一講書人閱讀 58,851評論 1 295
  • 正文 為了忘掉前任未舟,我火速辦了婚禮圈暗,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘裕膀。我一直安慰自己员串,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,868評論 6 392
  • 文/花漫 我一把揭開白布昼扛。 她就那樣靜靜地躺著寸齐,像睡著了一般。 火紅的嫁衣襯著肌膚如雪野揪。 梳的紋絲不亂的頭發(fā)上访忿,一...
    開封第一講書人閱讀 51,688評論 1 305
  • 那天,我揣著相機(jī)與錄音斯稳,去河邊找鬼海铆。 笑死,一個胖子當(dāng)著我的面吹牛挣惰,可吹牛的內(nèi)容都是我干的卧斟。 我是一名探鬼主播,決...
    沈念sama閱讀 40,414評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼憎茂,長吁一口氣:“原來是場噩夢啊……” “哼珍语!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起竖幔,我...
    開封第一講書人閱讀 39,319評論 0 276
  • 序言:老撾萬榮一對情侶失蹤板乙,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后拳氢,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體募逞,經(jīng)...
    沈念sama閱讀 45,775評論 1 315
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,945評論 3 336
  • 正文 我和宋清朗相戀三年馋评,在試婚紗的時候發(fā)現(xiàn)自己被綠了放接。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,096評論 1 350
  • 序言:一個原本活蹦亂跳的男人離奇死亡留特,死狀恐怖纠脾,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情蜕青,我是刑警寧澤苟蹈,帶...
    沈念sama閱讀 35,789評論 5 346
  • 正文 年R本政府宣布,位于F島的核電站右核,受9級特大地震影響汉操,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜蒙兰,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,437評論 3 331
  • 文/蒙蒙 一磷瘤、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧搜变,春花似錦采缚、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,993評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至殖侵,卻和暖如春贸呢,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背拢军。 一陣腳步聲響...
    開封第一講書人閱讀 33,107評論 1 271
  • 我被黑心中介騙來泰國打工楞陷, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人茉唉。 一個月前我還...
    沈念sama閱讀 48,308評論 3 372
  • 正文 我出身青樓固蛾,卻偏偏與公主長得像,于是被迫代替她去往敵國和親度陆。 傳聞我的和親對象是個殘疾皇子艾凯,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,037評論 2 355

推薦閱讀更多精彩內(nèi)容