站長(zhǎng)資訊網(wǎng)
引言
亞馬遜網(wǎng)站相較于國(guó)內(nèi)的購(gòu)物網(wǎng)站，可以直接使用python的最基本的requests進(jìn)行請(qǐng)求。訪問(wèn)不是過(guò)于頻繁，在未觸發(fā)保護(hù)機(jī)制的情況下，可以獲取我們想要的數(shù)據(jù)。本次通過(guò)以下三部分簡(jiǎn)單介紹下基本爬取流程：
-
使用requests的get請(qǐng)求，獲取亞馬遜列表和詳情頁(yè)的頁(yè)面內(nèi)容
-
使用css/xpath對(duì)獲取的內(nèi)容進(jìn)行解析，取得關(guān)鍵數(shù)據(jù)
-
動(dòng)態(tài)IP的作用及其使用方法
一、獲取亞馬遜列表頁(yè)的信息
以游戲區(qū)為例：
程序員必備接口測(cè)試調(diào)試工具：立即使用
Apipost = Postman + Swagger + Mock + Jmeter
Api設(shè)計(jì)、調(diào)試、文檔、自動(dòng)化測(cè)試工具
后端、前端、測(cè)試，同時(shí)在線協(xié)作，內(nèi)容實(shí)時(shí)同步
獲取列表內(nèi)能獲取到的商品信息，如商品名，詳情鏈接，進(jìn)一步獲取其他內(nèi)容。
用requests.get()獲取網(wǎng)頁(yè)內(nèi)容，設(shè)置好header，利用xpath選擇器選取相關(guān)標(biāo)簽的內(nèi)容：
import requests from parsel import Selector from urllib.parse import urljoin spiderurl = 'https://www.amazon.com/s?i=videogames-intl-ship' headers = { "authority": "www.amazon.com", "user-agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 10_3_3 like Mac OS X) AppleWebKit/603.3.8 (KHTML, like Gecko) Mobile/14G60 MicroMessenger/6.5.19 NetType/4G Language/zh_TW", } resp = requests.get(spiderurl, headers=headers) content = resp.content.decode('utf-8') select = Selector(text=content) nodes = select.xpath("http://a[@title='product-detail']") for node in nodes: itemUrl = node.xpath("./@href").extract_first() itemName = node.xpath("./div/h2/span/text()").extract_first() if itemUrl and itemName: itemUrl = urljoin(spiderurl,itemUrl)#用urljoin方法湊完整鏈接 print(itemUrl,itemName)
登錄后復(fù)制
此時(shí)已經(jīng)獲取的當(dāng)前列表頁(yè)目前能獲得的信息：
二、獲取詳情頁(yè)信息
進(jìn)入詳情頁(yè)：
進(jìn)入詳情頁(yè)之后，能獲得
