这次的主要的目的是从淘宝的搜索页面获取商品的信息。其实分析页面找到信息很容易，页面信息的存放都是以静态的方式直接嵌套的页面上的，很容易找到。主要困难是将信息从HTML源码中剥离出来，数据和网页源码结合的很紧密，剥离数据有一定的难度。

然后将获取的信息写入excel表格保存起来，这次只爬取了前面10页的内容。

代码如下：

import requests
import re
from xlwt import Workbook
import xlrd
import time
def key_name( number ):
 #获取页面的内容并返回
 name = '手机'
 URL_1 = "https://s.taobao.com/search?ie=utf8&initiative_id=staobaoz_20170905&stats_click=search_radio_all%3A1&js=1&imgfile=&q="
 URL_2 = "&suggest=0_1&_input_charset=utf-8&wq=u&suggest_query=u&source=suggest&p4ppushleft=5%2C48&s="
 URL = ( URL_1 + name + URL_2 + str(number))
 #print(URL)
 res = requests.get( URL )
 return res.text
def find_date( text):
 #根据整个页面的信息，获取商品的数据所在的HTML源码并放回
 reg = r',"data":{"spus":[({.+?)]}},"header":'
 reg = re.compile(reg)
 info = re.findall(reg, text)
 return info[0]
def manipulation_data( info, N, sheet ):
 #解析获取的HTML源码，获取数据
 Date = eval(info)
 for d in Date:
 T = " ".join([t['tag'] for t in d['tag_info']])
 #print(d['title'] + '	' + d['price'] + '	' + d['importantKey'][0:len(d['importantKey'])-1] + '	' + T)
 
 sheet.write(N,0,d['title'])
 sheet.write(N,1,d['price'])
 sheet.write(N,2,T)
 N = N + 1
 return N
 
 
def main():
 
 book = Workbook()
 sheet = book.add_sheet('淘宝手机数据')
 sheet.write(0,0,'品牌')
 sheet.write(0,1,'价格')
 sheet.write(0,2,'配置')
 book.save('淘宝手机数据.xls')
 #k用于生成链接，每个链接的最后面的数字相差48.
 #N用于记录表格的数据行数，便于写入数据
 k = 0
 N = 1
 for i in range(10+1):
 text = key_name( k + i * 48 )
 info = find_date(text)
 N = manipulation_data( info ,N, sheet )
 
 book.save('淘宝手机数据.xls')
 print('下载第' + str(i) + '页完成')
if __name__ == '__main__':
 main()

更多Python相关技术文章，请访问Python教程栏目进行学习！