淘宝商品定向爬取

#获取淘宝搜索页面的信息，提取其中商品名称和价格

#理解：获得淘宝的搜索接口
#       翻页的处理

#步骤1：提交商品搜索请求，循环获取网页，首先获得第一页，然后通过循环获得其他页面
#步骤2：对于每个页面，提取商品名称和价格信息
#步骤3：将信息输出到屏幕上


import requests
import re

def getHTMLText(url):
    try:
        r = requests.get(url)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ''

def parsePage(ilt,html):
    try:
        plt = re.findall(r'"price":"[d.]*"',html)
        tlt = re.findall(r'"title":".*?"',html)#使用了最小匹配
        for i in range(len(plt)):
            #eval()函数把获得的字符串的最外层的单引号和双引号去掉
            price = eval(plt[i].split(':')[1])
            title = eval(tlt[i].split(':')[1])
            ilt.append([price,title])
    except:
        print('')

def printGoodsList(ilt):
    tplt = '{:4}	{:8}	{:16}'
    print(tplt.format('序号','价格','商品名称'))
    count = 0
    for g in ilt:
        count = count + 1
        print(tplt.format(count,g[0],g[1]))


def main():
    goods = '笔记本电脑' #搜索关键词
    depth = 4 #仅仅爬取两页
    start_url = 'http://s.taobao.com/search?q=' + goods
    infolist = []
    for i in range(depth):
        try:
            url = start_url + '&s=' + str(i*44)
            html = getHTMLText(url)
            parsePage(infolist,html)
        except:
            continue
    printGoodsList(infolist)

main()