python简单应用!用爬虫来采集天猫所有优惠券信息,写入本地文件

今天给大家分享一个小网站的数据采集,并写到excel里面!

python简单应用!用爬虫来采集天猫所有优惠券信息,写入本地文件

分析网站

目标网站是“小咪购”,这里有天猫所有的含有购物券的商品信息,我们今天就来抓它吧!

python简单应用!用爬虫来采集天猫所有优惠券信息,写入本地文件

随便找一段文字,然后点击右键查看网页源代码,看看是否存在该文字,如果存在,那么这个网页就是静态网站了!很幸运,这个网站居然是静态的。

python简单应用!用爬虫来采集天猫所有优惠券信息,写入本地文件

那就简单了,不需要去分析ajax加载数据或者找json包了,直接获取网页源代码==>>匹配相关内容==>>保存数据即可!

python简单应用!用爬虫来采集天猫所有优惠券信息,写入本地文件

工具和库

Windows+python3.6

import random

import time

import requests

from lxml import etree

import xlwt

用这几个库就可以搞定了!注意xlwt和xlrd这2个库都是操作excel的,一个是保存数据,一个是读取数据,不要搞混了。

python简单应用!用爬虫来采集天猫所有优惠券信息,写入本地文件

开始写代码

首先写一个函数,将所有的爬虫工作写到函数里,如下图

python简单应用!用爬虫来采集天猫所有优惠券信息,写入本地文件

这个网站需要写上headers,不写是抓不到数据的!新建一个列表,将爬到的相关数据写入列表,它的形式大概是这样的:【【产品信息A1,2,3……】,【产品信息B1,2,3……】……】,这么写列表是因为我们最后要将他们写如excel表格,那么列表中的每一个元素(还是列表形式)都是一行数据,方便写入!

注意第33行,列表构成的时候,用+连接会将所有列表中的元素放入一个列表,比如:【1,2,3】+【4,5】=【1,2,3,4,5】,而用append()函数则会将后面的内容作为一个元素加入列表中,比如:[1,2,3].append([4,5])=[1,2,3,[4,5]]

下来就是写入excel了,首先是新建excel表格,并写入第一行数据

wb = xlwt.Workbook(encoding='utf-8') ws = wb.add_sheet('优惠券') path = 'E://python//优惠券.xls' head = ['序号','商品类型','商品名称','优惠券','券后价','在售价','销量','推荐理由','商品链接'] for i in range(9): ws.write(0,i,head[i])

后面的数据,依次按格式写入并最后用wb.save(路径)的方式保存即可!完整代码及效果如下

import random import time import requests from lxml import etree import xlwt def main(line = 1): headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:60.0) Gecko/20100101 Firefox/60.0'} url = 'http://www.hlxns.com' html = requests.get(url, headers=headers) html.encoding = 'utf-8' page = etree.HTML(html.text).xpath('//a[@class="item"]/text()')[-1] for i in range(int(line/100)+1, int(page) + 1): k = 1 lis = [] print('【开始下载】第%d页数据'%i) htm = requests.get(url + '/index.php?r=l&page={}'.format(str(i)), headers=headers) htm.encoding = 'utf-8' data = etree.HTML(htm.text) url_sps = data.xpath('//div[@class="title"]/a/@href') for url_sp in url_sps: time.sleep(random.random()*2) print(' 【正在下载】第%03d页第%03d条商品数据'%(i,k),end='') k += 1 html_sp = requests.get(url + url_sp, headers=headers) html_sp.encoding = 'utf-8' info = etree.HTML(html_sp.text) title = info.xpath('//span[@class="title"]/text()')  summary = [x.replace('推荐理由:','') for x in info.xpath('//span[@class="theme-color-3"]/text()')]  category = info.xpath('//div[@class="nav-wrap"]/div/a[3]/text()')  now_price = info.xpath('//span[@class="now-price"]/b[2]/i/text()')  old_price = info.xpath('//span[@class="org-price"]/i/text()')  nums = info.xpath('//div[@class="text-wrap"]/span[2]/i/text()')  coupon = info.xpath('//div[@class="buy-coupon theme-color-8"]/span/b/text()')  sp_url = info.xpath('//a[@class="theme-bg-color-8"]/@href')  lis.append(category+title+coupon+now_price+old_price+nums+summary+sp_url) print('................................【下载完成】') print('######第%d页数据 【下载完成】'%i) for ii in range(len(lis)): lis[ii].insert(0, line)  for j in range(9):  ws.write(line, j, lis[ii][j]) line += 1 print('>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>【写入本页数据完成】<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<') wb.save(path) if __name__ == '__main__': wb = xlwt.Workbook(encoding='utf-8') ws = wb.add_sheet('优惠券') path = 'E://python//优惠券.xls' head = ['序号','商品类型','商品名称','优惠券','券后价','在售价','销量','推荐理由','商品链接'] for i in range(9): ws.write(0,i,head[i]) main() 

python简单应用!用爬虫来采集天猫所有优惠券信息,写入本地文件

由于网站更新的很快(官方说是10分钟。。。),所以也没有抓取那么多,所有的页面有大约600多页,一页100条信息,也就是说一共有6万多条商品信息,如果不用多线程的话会很慢!

python简单应用!用爬虫来采集天猫所有优惠券信息,写入本地文件

原文链接:https://blog.csdn.net/programmer_yf/article/details/81185747?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165277499316780357276664%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=165277499316780357276664&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-29-81185747-null-null.nonecase&utm_term=%E4%BC%98%E6%83%A0

© 版权声明
THE END
喜欢就支持一下吧
点赞0 分享
评论 抢沙发
头像
文明发言,共建和谐米科社区
提交
头像

昵称

取消
昵称表情图片