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  >  IT编程

php爬取天猫和淘宝商品数据

程序员文章站 2022-04-12 12:19:11
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&timestamp=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。