import requests
import re
def getHtmlText(url):
try:
r=requests.get(url,timeout=30)
r.raise_for_status()
r.encoding=r.apparent_encoding
return r.text
except:
print("11")
def parsePage(ilt,html):
try:
plt=re.findall(r'\"view_price\"\:\"[\d\.]*\"',html)#正则表达式找出所有符合规则的放入列表plt中
tlt=re.findall(r'\"raw_title\"\:\".*?\"',html)
for i in range(len(plt)):
price=eval(plt[i].split(':')[1])#eval 去掉双引号 再用spilt 去掉：后的
title=eval(tlt[i].split(':')[1])
ilt.append([price,title])
except:
print("22")
def printGoodsList(ilt):
tplt="{:4}\t{:8}\t{:16}\t"
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='书包'
depth=2
start_url="https://s.taobao.com/search?q="+goods
infoList=[]
for i in range(depth):
try:
url=start_url+str(44*i)#翻页功能
html=getHtmlText(url)
parsePage(infoList,html)
except:
continue#某条信息爬取失败 继续爬取其他的
printGoodsList(infoList)
main() 来源 mooc中国大学 学习
