开发工具

Python版本：3.6.4

相关模块：

DecryptLogin模块；

pyecharts模块；

以及一些Python自带的模块。

环境搭建

安装Python并添加到环境变量，pip安装需要的相关模块即可。

数据爬取

既然说了是模拟登录相关的爬虫小案例，首先自然是要实现一下淘宝的模拟登录啦。这里还是利用我们开源的DecryptLogin库来实现，只需三行代码即可：

'''模拟登录淘宝'''@staticmethoddef login():    lg = login.Login()    infos_return, session = lg.taobao()    return session

另外，顺便提一句，经常有人想让我在DecryptLogin库里加入cookies持久化功能。其实你自己多写两行代码就能实现了：

if os.path.isfile('session.pkl'):    self.session = pickle.load(open('session.pkl', 'rb'))else:    self.session = TBGoodsCrawler.login()    f = open('session.pkl', 'wb')    pickle.dump(self.session, f)    f.close()

我真不想在这个库里添加这个功能，后面我倒是想添加一些其他爬虫相关的功能，这个之后再说吧。好的，偏题了，言归正传吧。接着，我们去网页版的淘宝抓一波包吧。比如F12打开开发者工具后，在淘宝的商品搜索栏里随便输入点东西，就像这样：

全局搜索一下诸如search这样的关键词，可以发现如下链接：

看看它返回的数据是啥：

看来应该没错了。另外，如果小伙伴们自己实战的时候没有找到这个接口api，可以尝试再点击一下右上角的下一页商品按钮：

这样就肯定能抓到这个请求接口啦。简单测试一下，可以发现尽管请求这个接口所需携带的参数看上去很多，但实际上必须要提交的参数只有两个，即：

q: 商品名称s: 当前页码的偏移量

好啦，根据这个接口，以及我们的测试结果，现在就可以愉快地开始实现淘宝商品数据的抓取啦。具体而言，主代码实现如下：

'''外部调用'''def run(self):    search_url = 'https://s.taobao.com/search?'    while True:        goods_name = input('请输入想要抓取的商品信息名称: ')        offset = 0        page_size = 44        goods_infos_dict = {}        page_interval = random.randint(1, 5)        page_pointer = 0        while True:            params = {                        'q': goods_name,                        'ajax': 'true',                        'ie': 'utf8',                        's': str(offset)                    }            response = self.session.get(search_url, params=params)            if (response.status_code != 200):                break            response_json = response.json()            all_items = response_json.get('mods', {}).get('itemlist', {}).get('data', {}).get('auctions', [])            if len(all_items) == 0:                break            for item in all_items:                if not item['category']:                    continue                goods_infos_dict.update({len(goods_infos_dict)+1:                                             {                                                'shope_name': item.get('nick', ''),                                                'title': item.get('raw_title', ''),                                                'pic_url': item.get('pic_url', ''),                                                'detail_url': item.get('detail_url', ''),                                                'price': item.get('view_price', ''),                                                'location': item.get('item_loc', ''),                                                'fee': item.get('view_fee', ''),                                                'num_comments': item.get('comment_count', ''),                                                'num_sells': item.get('view_sales', '')                                            }                                        })            print(goods_infos_dict)            self.__save(goods_infos_dict, goods_name+'.pkl')            offset += page_size            if offset // page_size > 100:                break            page_pointer += 1            if page_pointer == page_interval:                time.sleep(random.randint(30, 60)+random.random()*10)                page_interval = random.randint(1, 5)                page_pointer = 0            else:                time.sleep(random.random()+2)        print('[INFO]: 关于%s的商品数据抓取完毕, 共抓取到%s条数据...' % (goods_name, len(goods_infos_dict)))

就是这么简单，我们已经大功告成啦。

数

据

可

视

化

这里我们来可视化一波我们抓到的奶茶数据呗。先来看看在淘宝上卖奶茶的商家在全国范围内的数量分布情况呗：

没想到啊，奶茶店铺最多的地方竟然是广东。T_T

再来看看淘宝上卖奶茶的店铺的销量排名前10名呗：

以及淘宝上评论数量前10名的奶茶店铺：

再看看在这些店铺要运费和不要运费的商品比例呗：

最后，再看看奶茶相关商品的售价区间呗：

差不多今天就这样呗，相关文件里提供了本文中所涉及到的所有源代码以及爬取到的数据，需要的可以在公众号里回复"淘宝商品数据"自取。