【Python爬虫案例学习】python爬取淘宝里的手机报价并以价格排序
第一步:
先分析这个url,”?“后面的都是它的关键字,requests中get函数的关键字的参数是params,post函数的关键字参数是data,
关键字用字典的形式传进去,这样我们就可以自己改关键字去搜索别的东西或者是搜索别的页面,我对手机比较感兴趣所以
就爬取了关于手机的页面。
第二步:
直接先给出源代码,然后细节再慢慢的说。
# encoding:utf8 import requests import re ''' 遇到不懂的问题?python学习交流群:821460695满足你的需求,资料都已经上传群文件,可以自行下载! ''' def printgoodslist(list): list = sorted(list,key=lambda x: x[1],reverse=true) m = '{:16}\t{:8}' print(m.format("商品名称", "商品价格")) for i in list: print(m.format(i[0],i[1])) def main(): phone = [] data={ 'q':'手机', 's':0 } url = 'https://s.taobao.com/search' for i in range(0,48*10,48): data['s'] = i try: r = requests.get(url,params=data) r.encoding=r.apparent_encoding html = r.text reg = r'"title":"(.*?)".*?"price":"(.*?)"' phonelist = re.findall(reg, html) except: print("失败") for a in phonelist: if(int(a[1])>4000): phone.append((a[0],int(a[1]))) printgoodslist(phone) main()
从main函数里看:
先定义一个phone的列表存储关于手机的信息。
然后定义一个data的字典,里面是url关键字的信息。
用一个for循环爬取多页的信息。
for循环里:
r = requests.get(url,params=data) r.encoding=r.apparent_encoding html = r.text
这些是获取页面信息。
reg = r'"title":"(.*?)".*?"price":"(.*?)"' phonelist = re.findall(reg, html)
用最简单的正则表达式 .*? 提取出我们想要的手机的名字跟手机的价格(正则表达式还没有深入去学习),有小伙伴想
获取其他的信息也可以自己去试试匹配你想要提取的信息,然后把提取出来的信息存放到phonelist里。获取网页信息当中要用
try except,捕捉出现的异常。
for a in phonelist: if(int(a[1])>4000): phone.append((a[0],int(a[1])))
再用一个for循环把提取到的信息添加在phone列表里(以元组的形式存放进去,因为方便之后的排序),当然你也可以再筛选其中的信息,
我就是筛选了价格高于四千的手机,看下土豪用的都是些什么手机。
然后调用printgoodslist函数,接下来我们说说这个函数:
def printgoodslist(list): list = sorted(list,key=lambda x: x[1],reverse=true) m = '{:16}\t{:8}' print(m.format("商品名称", "商品价格")) for i in list: print(m.format(i[0],i[1]))
函数里的一个行用到的是sorted函数,这个函数有几个参数,第一个是可迭代的对象,第二个是具有两个参数的比较的函数,第三个是进行
比较的元素,只有一个参数,最后一个参数是排序规则,默认值是false,从小到大的排序。
我用到的是lambda这个匿名函数,然后把排序后的信息赋值给list
后面就是输出我们排好序的信息。
上一篇: 爬虫爬取m3u8视频文件
下一篇: Python3 - Bytes类型