欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

PHP实现采集抓取淘宝网单个商品信息_PHP

程序员文章站 2022-06-11 20:22:54
...
调用淘宝的数据可以使用淘宝提供的api,如果只需调用淘宝商品图片名称等公开信息在自己网站上,使用php中的 file_get_contents 函数实现即可。

思路:

file_get_contents(url) 该函数根据 url 如 http://www.baidu.com 将该网页内容(源码)以字符串形式输出(一个整字符串),然后配合preg_match,preg_replace等这些正则表达式操作就可以实现获取该url特定div,img等信息了。当然前题是淘宝在单个商品页面的结构是固定的,如500图的img中id就是J_ImgBooth!

具体实现方法:(获取500图,名称,价格,属性及商品描述)

代码如下:


$text=file_get_contents("http://item.taobao.com/item.htm?id=2380347279"); //将url地址上页面内容保存进$text

A.获取500图:

代码如下:


preg_match('/PHP实现采集抓取淘宝网单个商品信息_PHP]*id="J_ImgBooth"[^r]*rc=\"([^"]*)\"[^>]*>/', $text, $img);
//运用正则抓取img标签中id为J_ImgBooth的img,$img[0]为该500图img标签,$img[1]为500图的图片地址;

B. 获取名称:

代码如下:


preg_match('/

([^]*)/', $text, $title); <br> //因为正文中的商品名称标签没有特殊class或id正则不好抓取,就抓<title>标签中的内容了,一般来说title中内容就是商品名称了(实际有些出入),$title[0]整个title标签 $title[1]标签中内容;<br> $title=iconv('GBK','UTF-8',$title);<br> //如果你的网站是utf8编码,那么需要进行一下转码(淘宝是gbk编码)<br><p><strong>C.获取价格:</strong></p> <p></p> <p class="codetitle"> 代码如下:</p> <p class="codebody" id="code85999"><br> preg_match('/]*>([^/is', $text, $price);<br> //同理获取id为J_StrPrice的标签内容$price[2], $price[0]是整个标签, $price[1]为strong标签名;<br> $price=floatval($price);//放入数据库估计还有转一下变量类型<br></p> <p><strong>D.获取属性:</strong></p> <p>这之前获取的内容都是在单标签中相对只需一个正则就可搞定,然而如果要获取如</p> <p></p> <p class="codetitle"> 代码如下:</p> <p class="codebody" id="code67436"><br> …<br><br></p> <div id="”xxx”"> <br><br> …<br><br><ul> <br><br> …<br><br> </ul> <br><br><div>…<br><br><div>…<br><br> </div> <br><br> </div> <br><br> </div> <br><br> …<br><p>这样特定div中有未知n个标签,获取该特定div将会非常的困难,搜了下网上,最接近的也只是”/]*>([^]|(?R))*/”这样使用递归抓取标签对,但是他不能抓特定标签,所以想要轻松抓取class=”attributes”的div我是没法办到了。但是淘宝网页有其特殊性,就是它的各个标签结构基本是固定的…</p> <div>…</div>标签后面不是