php爬取天猫和淘宝商品数据
程序员文章站
2022-07-10 20:07:42
一、思路
最近做了一个网站用到了从网址爬取天猫和淘宝的商品信息,首先看了下手机端的网页发现用的react,不太了解没法搞,所以就考虑从pc入口爬取数据,但是当爬取url获...
一、思路
最近做了一个网站用到了从网址爬取天猫和淘宝的商品信息,首先看了下手机端的网页发现用的react,不太了解没法搞,所以就考虑从pc入口爬取数据,但是当爬取url获取数据时并没有获取价格,库存等的信息,仔细研究了下发现是异步请求了另一个接口,但是接口要使用refer才能获取数据,于是就通过以下方式写了一个简单的爬虫,用于爬取商品预览图和商品的第一个分类的价格、库存等。
二、实现
代码如下:
function crawlurl($url){ import('phpquery.curl'); $curl=new \curl(); $result = $curl->read($url); $content = mb_convert_encoding( $result['content'], 'utf-8', 'utf-8,gbk,gb2312,big5' ); $myres=array(); if(strrpos($url,'taobao.com')!=false) { //匹配是否下架 if(strpos($content,'此宝贝已下架')!==false){ return false; } preg_match("|itemid : '(.*)'|isu", $content, $match); $item_id=$match[1]; preg_match("|sellerid : '(.*)'|isu", $content, $match); $sellet_id=$match[1]; preg_match("|<title>(.*)</title>|isu",$content,$match); $title=$match[1]; //价格库存信息 $ch = curl_init(); curl_setopt ($ch, curlopt_url, 'https://detailskip.taobao.com/service/getdata/1/p1/item/detail/sib.htm?itemid='.$item_id.'&sellerid='.$sellet_id.'&modules=dynstock,qrcode,viewer,price,duty,xmppromotion,delivery,upp,activity,fqg,zjys,amountrestriction,couponactivity,soldquantity,originalprice,tradecontract&callback=onsibrequestsuccess'); $opt[curlopt_header]=false; $opt[curlopt_connecttimeout]=15; $opt[curlopt_timeout]=300; $opt[curlopt_autoreferer]=true; $opt[curlopt_useragent]='mozilla/5.0 (windows nt 6.1) applewebkit/536.11 (khtml, like gecko) chrome/20.0.1132.47 safari/536.11'; curl_setopt_array($ch,$opt); curl_setopt ($ch, curlopt_returntransfer, 1); curl_setopt ($ch,curlopt_referer,$url); curl_setopt($ch, curlopt_ssl_verifypeer, false); $out_put=curl_exec ($ch); curl_close ($ch); $res=str_replace('onsibrequestsuccess(',"",$out_put); $res=rtrim($res,');1'); $result=json_decode($res,true); //查询出图片信息 preg_match('|<ul id="j_ulthumb" class="tb-thumb tb-clearfix">(.*)</ul>|isu', $content, $match); preg_match_all('/<img data-src="(.*?)" \//', $match[1], $images); $myres['title']=str_replace('-淘宝网','',$title); $myres['price']=current($result['data']['originalprice']); $myres['act_price']=current($result['data']['promotion']['promodata']); $myres['stock']=$result['data']['dynstock']['stock']; $myres['banners']=$images[1]; }else{ //匹配是否下架 if(strpos($content,'此宝贝已下架')!==false){ return false; } $start=strpos($url,'&id='); $item_id=substr($url,$start+4,12); if(!is_numeric($item_id)){ $start=strpos($url,'?id='); $end=strpos($url,'&spm'); $item_id=substr($url,$start+4,$end-$start-4); } preg_match("|<title>(.*)</title>|isu",$content,$match); $title=$match[1]; $myurl='https://mdskip.taobao.com/core/inititemdetail.htm?cachedtimestamp=1500562177777&querymemberright=true&cartenable=true&offlineshop=false&addresslevel=2&itemid='.$item_id.'&trybeforebuy=false&isareasell=false&tmallbuysupport=true&ispurchasemallpage=false&household=false&isforbidbuyitem=false&service3c=false&isregionlevel=false&showshopprom=false&isseckill=false&sellerpreview=false&isuseinventorycenter=false&isapparel=true&callback=setmdskip×tamp=1500562172109&isg=aiuldzfwmp/smgvurqsilu3ytet/zdis&isg2=ajk51jihrfqkzxminpp6dkyxskxt7iyskzstevtu9wdf4ll0o5y9ykdyethu'; //价格库存信息 $ch = curl_init(); curl_setopt ($ch, curlopt_url, $myurl); $opt[curlopt_header]=false; $opt[curlopt_connecttimeout]=15; $opt[curlopt_timeout]=300; $opt[curlopt_autoreferer]=true; $opt[curlopt_useragent]='mozilla/5.0 (windows nt 6.1) applewebkit/536.11 (khtml, like gecko) chrome/20.0.1132.47 safari/536.11'; curl_setopt_array($ch,$opt); curl_setopt ($ch, curlopt_returntransfer, 1); curl_setopt ($ch,curlopt_referer,$url); curl_setopt($ch, curlopt_ssl_verifypeer, false); $out_put=curl_exec ($ch); curl_close ($ch); $res = mb_convert_encoding( $out_put, 'utf-8', 'utf-8,gbk,gb2312,big5' ); $res=str_replace('setmdskip',"",$res); $res=str_replace('(',"",$res); $res=str_replace(')',"",$res); $result=json_decode($res,true); $nowk=""; $nowstore=""; foreach($result['defaultmodel']['inventorydo']['skuquantity'] as $k=>$val){ $nowk=$k; $nowstore=$val; break; } $myres['title']=str_replace('-tmall.com天猫','',$title); $myres['price']=$result['defaultmodel']['itempriceresultdo']['priceinfo'][$nowk]['price']; $myres['act_price']=isset($result['defaultmodel']['itempriceresultdo']['priceinfo'][$nowk]['suggestivepromotionlist'])?$result['defaultmodel']['itempriceresultdo']['priceinfo'][$nowk]['suggestivepromotionlist']:$result['defaultmodel']['itempriceresultdo']['priceinfo'][$nowk]; $myres['stock']=$result['defaultmodel']['inventorydo']['totalquantity']?$result['defaultmodel']['inventorydo']['totalquantity']:$nowstore['quantity']; //查询出图片信息 preg_match('|<ul id="j_ulthumb" class="tb-thumb tm-clear">(.*)</ul>|isu',$content, $match); preg_match_all('/<img src="(.*?)" \//',$match[1],$images); $myres['banners']=$images[1]; } return $myres; }
上述代码用到phpquery的库,但是其实没啥用,直接用curl就行,具体爬取的数据可以穿参查看结果,方法不区分淘宝和天猫链接,但是前提是必须是pc端链接,另外正则写的不规范,所以可以自己重写正则来匹配数据。
更多内容请参考专题《python爬取功能汇总》进行学习。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
上一篇: js操作二进制数据方法