python爬取淘宝热卖商品（附xpath下载）

前言

本文采用的主要工具是xpath，如果没有下载的可以点开此链接下载:https://pan.baidu.com/share/init?surl=GXPm1kMENXhOkefKcEQnlA
提取码:8wwv
xpath工具使用方法，即简单实战链接：https://blog.csdn.net/weixin_45859193/article/details/107064009
注意：本文xpath工具查找是有点难找的，我找了挺久（是我太菜了,嘿嘿…），所以如果不是很懂xpath的建议先看看我上面的简单实战链接去试试在过来看，这样可能会比较好懂点…(我也希望有大佬可以提点提点我改进代码，欢迎评论！)

爬虫离不开的四大步骤

1.目标url（这个是开头，也是很重要的一步）
2.发送请求
3.解析数据
4.保存数据

那么搞懂这些后就来开始实战吧!

开始

按照第一步来,应该是需要获取目标的url地址，所以我们点开淘宝热卖https://re.taobao.com,然后再里面随便搜索你喜欢的商品，然后把链接复制起来，放到代码里，因为我们是要指定爬取的所以代码要这样写：

url=input('请输入想查找的链接:')
#使用正则匹配，查看是不是我们要求的网页
url_link=re.findall("https://(.*?)/",url)
#这里是记个时，如果到5次就给他提示吧....
i=0
#死循环
while True:#判断是不是点进了淘宝热卖if url_link==['re.taobao.com']:breakelse:url = input('请重新输入淘宝热卖的链接:')url_link = re.findall("https://(.*?)/", url)i+=1#如果用户输入5次还是一样给出提示= =if i==5:print('提示：请进入https://re.taobao.com官网获取链接!')

这是开始的大概思路，直接点的意思就是判断你点开的链接是不是淘宝热卖的，不是的话就会一直循环，循环…嘿嘿嘿…
然后是不是到了我们得第二步，发送请求了，因为我们获取了url地址，所以就要来个发送请求

#模拟浏览器
headers={'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.112 Safari/537.36'}
#发送请求
response=requests.get(url,headers=headers).content.decode()

是不是，你这时候是不是开始觉得爬虫其实也就这掌握了这4步奏，是不是很简单!

然后是不是继续到了我们的第三步的解析数据:

#解析成xpath格式
html=etree.HTML(response)
#价格
req_list=html.xpath('//span[@class="pricedetail"]//strong//text()')
#名字
name_list=html.xpath('//span[@class="title"]/@title')
#付款人数
host_list=html.xpath('//span[@class="payNum"]//text()')
#商家名字
host_1_list=html.xpath('//span[@class="shopNick"]//text()')
#评分,提示一下这里我找了挺久，因为id没加上多出了几个，淘宝也是坑
score_list=html.xpath('//div[@id="J_waterfallWrapper"]//span//b//text()')
#链接
link_list=html.xpath('//div[@id="J_waterfallWrapper"]//div[@class="item"]//a/@href')
#如实描述,创建几个空列表,获取这些评分，因为淘宝有坑，想爬准确只能3个3个爬，但是想打印出来，有点麻烦（我太菜了= =）

是不是围绕着这四步走是不是很顺利（其实不是的，我找评分，找了一个小时，因为有干扰数据,我太笨了有点晚才发现,呜呜呜…）

在这里我先来几张图片提醒一下大家，爬淘宝评分的坑

正常的我们去用xpath应该是这样吧
每个数据3个，我着一页有200个数据，顶多600个，那15个怎么来的，起初我不想管他，回来发现，不能不管，因为有些数据会不一样，最后我往下翻，发现这五个商品，刚好也就是15个数据，不过这广告是想暗示我的头发吗…（突然一阵风从我头上吹过，很凉快…）

当场吐血，淘宝这么会玩…
最后再经历了一点磨难后，我找了一个和他们不一样的数据，就是id就是这个[//div[@id=“J_waterfallWrapper”],这是我发现下面那5个没有，但是上面的数据都在那里，所以就好办啦!

到了我们最后一步，保存数据，是不是一个爬虫就已经大功告成啦，所以爬虫是需要耐心滴!

#如实描述，创建几个空列表，来保存后面3个数据
temp=[]
#服务态度
temp_1=[]
#发货速度
temp_2=[]
i_1=0
#一开始的数据放进去
temp.append(score_list[i_1])
temp_1.append(score_list[i_1+1])
temp_2.append(score_list[i_1+2])for i in range(0,200):#防止报错try:i_1 += 3temp.append(score_list[i_1])temp_1.append(score_list[i_1+1])temp_2.append(score_list[i_1+2])except:break
#转化为浮点型，后面要进行总分评测
temp = list(map(float, temp))
temp_1 = list(map(float, temp_1))
temp_2 = list(map(float, temp_2))
#打印
mylog=open('淘宝商品大全.log',mode='a',encoding='utf-8')
for req,name,host,host_1,tem,tem_1,tem_2,link in zip(req_list,name_list,host_list,host_1_list,temp,temp_1,temp_2,link_list):sum=(tem+tem_1+tem_2)/3print('名字：%s 价格：$%s 付款人数：%s 商家名字：%s\n如实描述：%.1f 服务态度：%.1f 发货速度：%.1f 总分:%.2f''\n链接：%s\n-------------'%(name,req,host,host_1,tem,tem_1,tem_2,sum,link),file=mylog)
mylog.close()
print('爬取完成-v-')

代码块

import requests
from lxml import etree
import re
import sysurl=input('请输入想查找的链接:')
#使用正则匹配，查看是不是我们要求的网页
url_link=re.findall("https://(.*?)/",url)
#这里是记个时，如果到5次就给他提示吧....
i=0
#死循环
while True:#判断是不是点进了淘宝热卖if url_link==['re.taobao.com']:breakelse:url = input('请重新输入淘宝热卖的链接:')url_link = re.findall("https://(.*?)/", url)i+=1#如果用户输入5次还是一样给出提示= =if i==5:print('提示：请进入https://re.taobao.com官网获取链接!')#模拟浏览器
headers={'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.112 Safari/537.36'}
#发送请求
response=requests.get(url,headers=headers).content.decode()
#解析成xpath格式
html=etree.HTML(response)
#价格
req_list=html.xpath('//span[@class="pricedetail"]//strong//text()')
#名字
name_list=html.xpath('//span[@class="title"]/@title')
#付款人数
host_list=html.xpath('//span[@class="payNum"]//text()')
#商家名字
host_1_list=html.xpath('//span[@class="shopNick"]//text()')
#评分,提示一下这里我找了挺久，因为id没加上多出了几个，淘宝也是坑
score_list=html.xpath('//div[@id="J_waterfallWrapper"]//span//b//text()')
#链接
link_list=html.xpath('//div[@id="J_waterfallWrapper"]//div[@class="item"]//a/@href')
#如实描述，创建几个空列表，来保存后面3个数据
temp=[]
#服务态度
temp_1=[]
#发货速度
temp_2=[]
i_1=0
#一开始的数据放进去
temp.append(score_list[i_1])
temp_1.append(score_list[i_1+1])
temp_2.append(score_list[i_1+2])for i in range(0,200):#防止报错try:i_1 += 3temp.append(score_list[i_1])temp_1.append(score_list[i_1+1])temp_2.append(score_list[i_1+2])except:break
#转个型
temp = list(map(float, temp))
temp_1 = list(map(float, temp_1))
temp_2 = list(map(float, temp_2))
#打印
#mylog=open('淘宝商品大全.log',mode='a',encoding='utf-8')
for req,name,host,host_1,tem,tem_1,tem_2,link in zip(req_list,name_list,host_list,host_1_list,temp,temp_1,temp_2,link_list):sum=(tem+tem_1+tem_2)/3print('名字：%s 价格：$%s 付款人数：%s 商家名字：%s\n如实描述：%.1f 服务态度：%.1f 发货速度：%.1f 总分:%.2f''\n链接：%s\n-------------'%(name,req,host,host_1,tem,tem_1,tem_2,sum,link))
#mylog.close()
print('爬取完成-v-')

效果

我就随便搜个电脑的链接吧！

其实我还是喜欢不保存，因为用的是pycharm所以打开链接方便