本文实例为大家分享了Python抓取天猫商品详细信息及交易记录的具体代码,供大家参考,具体内容如下
一、搭建Python环境
本帖使用的是Python 2.7
涉及到的模块:spynner, scrapy, bs4, pymmssql
二、要获取的天猫数据
三、数据抓取流程
四、源代码
#coding:utf-8 import spynner from scrapy.selector import Selector from bs4 import BeautifulSoup import random import pymssql #------------------------接数据库-----------------------------# server="localhost" user="sa" password = "123456" conn=pymssql.connect(server,user,password,"TmallData") if conn: print "DataBase connecting successfully!" else: print "DataBase connecting error!" cursor=conn.cursor() #----------------------定义网页操作函数--------------------------# def py_click_element(browser,pos): #点击网页中的元素 #pos example:'a[href="#description" rel="external nofollow" rel="external nofollow" ]' browser.click(pos) browser.wait(random.randint(3,10)) return browser def py_click_xpath(browser,xpath): xpath=xpath+'/@href' inner_href=Selector(text=browser.html).xpath(xpath).extract() pos='a[href="'+str(inner_href[0])+'" rel="external nofollow" ]' browser=py_click_element(browser, pos) return browser def py_webpage_load(browser,url): browser.load(url,load_timeout=60) browser.wait(10) return browser def py_check_element(browser,xpath): #按照xpath查找元素,如果存在则返回True,否则返回False if Selector(text=browser.html).xpath(xpath).extract()!=[]: return True else: return False def py_extract_xpath(browser,xpath): if py_check_element(browser, xpath): return Selector(text=browser.html).xpath(xpath).extract()[0] else: return "none" def py_extract_xpaths(browser,xpaths): #批量提取网页内容 length=len(xpaths) results=[0]*length for i in range(length): results[i]=py_extract_xpath(browser, xpaths[i]) return results #-----------------------------数据库操作函数---------------------------# #-----------------------------数据提取函数----------------------------# def py_getDealReord(doc): soup=BeautifulSoup(doc,'lxml') tr=soup.find_all('tr') total_dealRecord=[([0]*5)for i in range(len(tr))] i=-1 for this_tr in tr: i=i+1 td_user=this_tr.find_all('td',attrs={'class':"cell-align-l buyer"}) for this_td in td_user: total_dealRecord[i][0]=this_td.getText().strip(' ') #print username td_style=this_tr.find_all('td',attrs={'class':"cell-align-l style"}) for this_td in td_style: total_dealRecord[i][1]=this_td.getText(',').strip(' ') #print style td_quantity=this_tr.find_all('td',attrs={'class':"quantity"}) for this_td in td_quantity: total_dealRecord[i][2]=this_td.getText().strip(' ') #print quantity td_dealtime=this_tr.find_all('td',attrs={'class':"dealtime"}) for this_td in td_dealtime: total_dealRecord[i][3]=this_td.find('p',attrs={'class':"date"}).getText() total_dealRecord[i][4]=this_td.find('p',attrs={'class':"time"}).getText() return total_dealRecord #--------------------获取要抓取的所有商品链接-----------------------# cursor.execute(""" select * from ProductURLs where BrandName='NB' """) file=open("H:\\Eclipse\\TmallCrawling\\HTMLParse\\errLog.txt") InProductInfo=cursor.fetchall() browser=spynner.Browser() for temp_InProductInfo in InProductInfo: url='https:'+temp_InProductInfo[2] BrandName=temp_InProductInfo[0] ProductType=temp_InProductInfo[1] print BrandName,'\t',ProductType,'\t',url #url= 'https://detail.tmall.com/item.htm?id=524425656711&rn=77636d6db8dea5e30060976fdaf9768d&abbucket=19' try: browser=py_webpage_load(browser, url) except: print "Loading webpage failed." file.write(url) file.write('\n') continue xpaths=['//*[@id="J_PromoPrice"]/dd/div/span/text()',\ '//*[@id="J_StrPriceModBox"]/dd/span/text()',\ '//*[@id="J_DetailMeta"]/div[1]/div[1]/div/div[1]/h1/text()',\ '//*[@id="J_PostageToggleCont"]/p/span/text()',\ '//*[@id="J_EmStock"]/text()',\ '//*[@id="J_CollectCount"]/text()',\ '//*[@id="J_ItemRates"]/div/span[2]/text()',\ '//*[@id="J_DetailMeta"]/div[1]/div[1]/div/ul/li[1]/div/span[2]/text()'] out_ProductInfo=py_extract_xpaths(browser,xpaths) browser=py_click_element(browser,'a[href="#description" rel="external nofollow" rel="external nofollow" ]') ProductProperty=py_extract_xpath(browser, '//*[@id="J_AttrUL"]') soup=BeautifulSoup(ProductProperty,'lxml') li=soup.find_all('li') prop='' for this_li in li: prop=prop+this_li.getText()+'\\' prop=prop[0:len(prop)-1] out_ProductProperty=prop print out_ProductProperty cursor.execute(""" Insert into py_ProductInfo values(%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s) """,(BrandName,ProductType,url,\ out_ProductInfo[2],out_ProductInfo[1],\ out_ProductInfo[0],out_ProductInfo[7],\ out_ProductInfo[1],out_ProductInfo[3],\ out_ProductInfo[4],out_ProductInfo[5],\ out_ProductProperty)) conn.commit() Deal_PageCount=0 browser=py_click_element(browser, 'a[href="#J_DealRecord" rel="external nofollow" ]') #browser.browse(True) DealRecord=py_extract_xpath(browser, '//*[@id="J_showBuyerList"]/table/tbody') out_DealRecord=py_getDealReord(DealRecord) for temp_DealRecord in out_DealRecord: if str(temp_DealRecord[4])=='0': continue cursor.execute(""" Insert into DealRecord values(%s,%s,%s,%s,%s,%s) """,(url,temp_DealRecord[0],temp_DealRecord[1],\ temp_DealRecord[2],temp_DealRecord[3],\ temp_DealRecord[4])) conn.commit() Deal_PageCount=Deal_PageCount+1 print "Page ",Deal_PageCount for i in range(6): if (i==0) or (i==2): continue xpath='//*[@id="J_showBuyerList"]/div/div/a['+str(i)+']' if py_check_element(browser,xpath): browser=py_click_xpath(browser, xpath) DealRecord=py_extract_xpath(browser, '//*[@id="J_showBuyerList"]/table/tbody') out_DealRecord=py_getDealReord(DealRecord) for temp_DealRecord in out_DealRecord: if str(temp_DealRecord[4])=='0': continue cursor.execute(""" Insert into DealRecord values(%s,%s,%s,%s,%s,%s) """,(url,temp_DealRecord[0],temp_DealRecord[1],\ temp_DealRecord[2],temp_DealRecord[3],\ temp_DealRecord[4])) conn.commit() Deal_PageCount=Deal_PageCount+1 print "Page ",Deal_PageCount while py_check_element(browser, '//*[@id="J_showBuyerList"]/div/div/a[6]'): browser=py_click_xpath(browser, '//*[@id="J_showBuyerList"]/div/div/a[6]') DealRecord=py_extract_xpath(browser, '//*[@id="J_showBuyerList"]/table/tbody') out_DealRecord=py_getDealReord(DealRecord) for temp_DealRecord in out_DealRecord: if str(temp_DealRecord[4])=='0': continue cursor.execute(""" Insert into DealRecord values(%s,%s,%s,%s,%s,%s) """,(url,temp_DealRecord[0],temp_DealRecord[1],\ temp_DealRecord[2],temp_DealRecord[3],\ temp_DealRecord[4])) conn.commit() Deal_PageCount=Deal_PageCount+1 print "Page ",Deal_PageCount
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小牛知识库。
从以下行代码输入: 如何从订单id获取WooCommerce订单详细信息?
我正在使用Azure Data Factory运行我的databricks笔记本,它在运行时创建了作业集群,现在我想知道这些作业的状态,我的意思是它们是成功还是失败。那么我可以知道,我如何使用作业id或运行id来获得运行状态。 注意:我没有在我的databricks工作区中创建任何作业,我正在使用Azure Data Factory运行我的笔记本,它在运行时创建作业集群,并在该集群上运行该笔记本,
本文向大家介绍Android仿京东、天猫商品详情页,包括了Android仿京东、天猫商品详情页的使用技巧和注意事项,需要的朋友参考一下 前言 前面在介绍控件TabLayout控件和CoordinatorLayout使用的时候说了下实现京东、天猫详情页面的效果,今天要说的是优化版,是我们线上实现的效果,首先看一张效果: 项目结构分析 首先我们来分析一下要实现上面的效果,我们需要怎么做。顶部是一个可以
问题内容: 在WooCommerce中,从以下代码行: 如何从订单ID获取WooCommerce订单详细信息? 问题答案: 3.0版以上的WOOCOMMERCE订单 自Woocommerce大型主要更新3.0+以来,事情已经发生了很多变化: 对于 对象,无法像以前一样直接访问属性,并且会引发一些错误。 现在,对象实例需要使用new 以及 getter和setter方法。 此外,还有一些用于订购商品
问题内容: 我要获取exe / dll / sys文件的“文件描述”和“版权”,如右键单击文件并选择属性时,在“详细信息”选项卡中所示。 问题答案: 使用Windows API,您可以调用VerQueryValue以获取该信息。JNA有一个用于访问此API的类,称为Version。 这另一个问题有一些代码示例可以帮助您入门: 获取.exe的版本信息 这是一个读取产品名称的C代码示例,您可以将其转换
本文向大家介绍python爬虫爬取淘宝商品信息,包括了python爬虫爬取淘宝商品信息的使用技巧和注意事项,需要的朋友参考一下 本文实例为大家分享了python爬取淘宝商品的具体代码,供大家参考,具体内容如下 效果图: 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呐喊教程。