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

Flipcart 爬取流程

程序员文章站 2022-04-15 14:44:15
第一步:爬取分类url 第二步:获取翻页 第三步:获取详情页url 第四步:详情页访问 ......

第一步:爬取分类url

from requests_html import  htmlsession
session =htmlsession()
#https://www.flipkart.com/lc/getdata?datasourceid=websitenavigationmenuds_1.0
#还有个t参数,目前可以不加
res =session.get('https://www.flipkart.com/lc/getdata?datasourceid=websitenavigationmenuds_1.0', verify=false)


appliances_columns_list=res.json().get('navdata').get('appliances').get('tabs')[0].get('columns')
men_columns_list=res.json().get('navdata').get('men').get('tabs')[0].get('columns')
women_columns_list=res.json().get('navdata').get('women').get('tabs')[0].get('columns')
baby_kids_columns_list=res.json().get('navdata').get('baby-kids').get('tabs')[0].get('columns')
home_kitchen_columns_list=res.json().get('navdata').get('home-kitchen').get('tabs')[0].get('columns')
nav_columns_lists =appliances_columns_list+men_columns_list+women_columns_list+baby_kids_columns_list+home_kitchen_columns_list

for nav_columns_list in nav_columns_lists:
    for title_url_type_dict in nav_columns_list:
        print(title_url_type_dict.get('url'))

第二步:获取翻页

#page参数控制
如:https://www.flipkart.com/womens-footwear/pr?sid=osp,iko&page=3

第三步:获取详情页url

from requests_html import  htmlsession
session =htmlsession()

res =session.get('https://www.flipkart.com/womens-footwear/pr?sid=osp,iko&page=3', verify=false)

print(res.html.xpath('//*[@id="container"]/div/div[3]/div[2]/div[1]/div[2]/div/div/div/div/div/a[1]/@href')[4:])

第四步:详情页访问