本文主要是介绍苏宁易购爬虫价格寻找,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
今天做了一个关于苏宁易购的爬虫,找价格网址规律时花了很多时间,终于做出来了。
首先调用Chrome的Inspect工具,在搜索框中直接搜价格
可以找到唯一一个文件(nspcsale)
下一步过滤器中直接搜nsp,找到这个文件, 得到其url
比如我这个是 https://pas.suning.com/nspcsale_0_000000000646450414_000000000646450414_0070167435_180_377_3770100_502282_1000112_9112_10862_Z001___R9011303_0.2___.html
那么接下来重点来了,如何在爬虫程序中获取这个url呢
分析一下url, 以每个“_”为分隔,一次搜索每串数字
比如上面的
000000000646450414
0070167435
502282
R9011303
0.2
你会发现这些数字均在所请求的图书详情页响应中,但是有些数字可能会重复出现
我多开了几个页面进行对比,找出了_其具体所在位置 (均以键值对形式存在)
partnumber :000000000646450414
vendorCode : 0070167435
category1 : 502282
catenlds : R9011303
weight : 0.2
但是注意,图书的话url到此为止,笔记本电脑后面还会接一个brandId
所以要爬取数据时要分区
至于其他那几个数,可以不用去管, 是不变的部分
如果去搜的话,可以发现它们要么在…CityBly 或者…StreetBly 或者是cmmdyType,总之是跟地方有关,只要位置不变就不变
总结起来,获取方法就是
爬虫得到每个商品详情页的url, 据此url获取字符串响应
正则匹配其对应的关键词 比如 (python中)
re.findall("\"vendorCode\":'(.*?)',",response.content.decode())
分别得到每串数字
价格所在的网址页url是
"https://pas.suning.com/nspcsale_0_{}_{}_{}_180_377_3770100_{}_{}1000112_9112
_10862_Z001__{}_{}__.html".format(...)
下面是网页预览示例,可以看到netPrice是现在价格,json.loads转字典类型直接提取就行了
这篇关于苏宁易购爬虫价格寻找的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!