python实战——使用代理IP批量获取手机类电商数据

简介: 本文介绍了如何使用代理IP批量获取华为荣耀Magic7 Pro手机在电商网站的商品数据,包括名称、价格、销量和用户评价等。通过Python实现自动化采集,并存储到本地文件中。使用青果网络的代理IP服务,可以提高数据采集的安全性和效率,确保数据的多样性和准确性。文中详细描述了准备工作、API鉴权、代理授权及获取接口的过程,并提供了代码示例,帮助读者快速上手。手机数据来源为京东(item.jd.com),代理IP资源来自青果网络(qg.net)。

在2024年,各大厂商又出了不少新款手机,功能和外观一个比一个炫酷,很多人对各大厂商对于这一品类的市场竞争力也很好奇,但是困于这类产品平台,品类真的太多了,收集对比起来繁琐复杂,但是,只要我们通过代理IP来批量获取这一数据,可以说就简单很多了。所以,今天我们将一起来看看,如何从各大电商网站收集手机这一品类的数据。



一、爬取目标

我们爬取的目标以华为荣耀Magic7 Pro手机的电商网站的商品数据为主,包括商品名称、价格、销量和用户评价等。通过代理IP,我们可以快速获得大量数据,例如商品价格、销量、用户评价等,用于我们后续市场分析和研究。



二、实现效果

利用python实现自动化批量获取华为荣耀Magic7 Pro手机的电商数据,并存储到本地文件中。

三、准备工作

在开始编写爬虫之前,我们需要确保我们的开发环境已经准备好:

  • Python:3.10
  • 编辑器:PyCharm
  • 第三方模块,自行安装requests库,安装方法为pip install requests
def get html(self):
    res =requests.get(self.url,headers=self.headers)
    html = res.text
    return html  #返回的源代码

四、代理IP

4.1 使用代理的好处

使用代理IP可以让我们数据采集更安全性、效率,数据也更加多样性。代理IP以保护我们的网络活动不被监控;我们在使用的时候通过分散请求压力提高爬取速度;同时,从不同地理位置获取数据,数据也能更加准确、全面。

4.2 获取代理IP

青果网络提供的代理IP服务可以帮助我们提高爬取的成功率。他们家的代理IP使用下来会比同类厂商提供的业务成功率高,服务器稳定,还是在这一行业做了将近10年的老大哥,产品使用的数据采集应用场景也多,售后什么的也很有保障。



五、代理实战

5.1 导入模块

在Python中,我们有一系列的模块可以帮助我们完成爬虫的任务。这些模块包括requests用于发送网络请求,lxml用于解析HTML和XML文档,time用于控制请求的频率,以及os用于文件和目录操作。

# 导入模块
import requests
from lxml import etree
import time

5.2 设置翻页

为了获取尽可能多的数据,我们需要处理一下网站的翻页机制。也就是要我们能够根据页码构造出不同的URL,并能够循环地访问每一页。

if __name__ == '__main__':
    page_number = 1
    for i in range(1, page_number + 1):
        url = f'https://search.jd.com/s_new.php?keyword=华为荣耀Magic7 Pro&enc=utf-8&qrst=1&rt=1&stop=1&vt=2&offset=3&wq=华为荣耀Magic7 Pro&page={0}&s=26&scrolling=y&pos=30&show_items={1}'

5.3 获取商品数据

获取商品数据是爬虫的核心任务,我们还需要得到异步加载的url中的参数show_items:

def get_pids(self):
    html = self.get_html()
    soup = Beautifulsoup(html,'lxml')  #创建Beautifulsoup对象
    lis = soup.find_all("li",class_='gl-item')  #查找1i标签
    for li in lis:
        data pid.li.get("data-pid") #得到1i标签下的data-pid
        if(data_pid): #这里的self.pids是一个集合,用于过滤重复的
          self.pids.add(data_pid)

接着,我们直接用多线程直接每一页开启一个线程,可以加快采集的速度。

def get_extend_imgs_data(self):
    # self.search urls=self.search_urls+','.join(self.pids)
    self.search_urls =self.search_urls.format(str(self.search_page),','.join(self.pids)) #拼凑ur1,将获得的单数拼成ur1,其中show_items中的id是用',隔开的,因此要对集合中的每一个id分割,page就是偶数,这里直接用主网页的page加一就可以了
    print self.search_urls
    html = requests.get(self.search urls, headers=self.headers).text  #请求
    soup = Beautifulsoup(html,'lxml')
    div_search = soup.find_all("div",class ='p-img')  #解析
    for div in div_search:
        img_3 = div.find("img").get('data-lazy-img') #这里可以看到分开查找img属性
        img_4 = div.find("img").get("src") 
        if img_3:  #如果是data-lazy-img
            print img_3
            self.sql.save img(img_3)  #存储到数据库
            self.img_urls.add(img_3)  #用集合去重
        if img_4:  #如果是src属性
            print img_4
            self.sql.save_img(img_4)
            self.img urls.add(img_4)


以上,就是我们这次利用青果网络代理IP做华为荣耀Magic7 Pro手机的电商数据采集的完整流程,如果有其他的需要,可以联系我。

手机数据来源:item.jd.com

代理IP资源:qg.net

目录
打赏
0
0
0
0
51
分享
相关文章
Python实战:搭建短信转发器,实现验证码自动接收与处理
在移动互联网时代,短信验证码是重要的安全手段,但手动输入效率低且易出错。本文介绍如何用Python搭建短信转发器,实现验证码自动接收、识别与转发。通过ADB工具监听短信、正则表达式或ddddocr库提取验证码,并利用Flask框架转发数据。系统支持多设备运行,具备安全性与性能优化功能,适合自动化需求场景。未来可扩展更多功能,提升智能化水平。
38 1
[oeasy]python077_int类型怎么用_整数运算_integer_进制转化_int类
本文主要讲解了Python中`int`类型的应用与特性。首先回顾了`int`词根的溯源,探讨了整型变量的概念及命名规则(如匈牙利命名法)。接着分析了整型变量在内存中的存储位置和地址,并通过`type()`和`id()`函数验证其类型和地址。还介绍了整型变量的运算功能,以及如何通过`int()`函数将字符串转化为整数,支持不同进制间的转换(如二进制转十进制)。此外,文章提及了关键字`del`的使用场景,对比了Python与C语言中`int`的区别,并总结了整型与字符串类型的差异,为后续深入学习奠定基础。
28 1
Python爬虫实战:一键采集电商数据,掌握市场动态!
这个爬虫还挺实用,不光能爬电商数据,改改解析规则,啥数据都能爬。写爬虫最重要的是要有耐心,遇到问题别着急,慢慢调试就成。代码写好了,运行起来那叫一个爽,分分钟几千条数据到手。
Python 高级编程与实战:构建 RESTful API
本文深入探讨了使用 Python 构建 RESTful API 的方法,涵盖 Flask、Django REST Framework 和 FastAPI 三个主流框架。通过实战项目示例,详细讲解了如何处理 GET、POST 请求,并返回相应数据。学习这些技术将帮助你掌握构建高效、可靠的 Web API。
Python 高级编程与实战:构建自动化测试框架
本文深入探讨了Python中的自动化测试框架,包括unittest、pytest和nose2,并通过实战项目帮助读者掌握这些技术。文中详细介绍了各框架的基本用法和示例代码,助力开发者快速验证代码正确性,减少手动测试工作量。学习资源推荐包括Python官方文档及Real Python等网站。
1688平台API接口实战:Python实现店铺全量商品数据抓取
本文介绍如何使用Python通过1688开放平台的API接口自动化抓取店铺所有商品数据。首先,开发者需在1688开放平台完成注册并获取App Key和App Secret,申请“商品信息查询”权限。接着,利用`alibaba.trade.product.search4trade`接口,构建请求参数、生成MD5签名,并通过分页机制获取全量商品数据。文中详细解析了响应结构、存储优化及常见问题处理方法,还提供了竞品监控、库存预警等应用场景示例和完整代码。
Python 高级编程与实战:构建微服务架构
本文深入探讨了 Python 中的微服务架构,介绍了 Flask、FastAPI 和 Nameko 三个常用框架,并通过实战项目帮助读者掌握这些技术。每个框架都提供了构建微服务的示例代码,包括简单的 API 接口实现。通过学习本文,读者将能够使用 Python 构建高效、独立的微服务。
Python 高级编程与实战:构建分布式系统
本文深入探讨了 Python 中的分布式系统,介绍了 ZeroMQ、Celery 和 Dask 等工具的使用方法,并通过实战项目帮助读者掌握这些技术。ZeroMQ 是高性能异步消息库,支持多种通信模式;Celery 是分布式任务队列,支持异步任务执行;Dask 是并行计算库,适用于大规模数据处理。文章结合具体代码示例,帮助读者理解如何使用这些工具构建分布式系统。
Android手机上使用Socks5全局代理-教程+软件
Android手机上使用Socks5全局代理-教程+软件
6003 2
【新手必读】Airtest测试Android手机常见的设置问题
【新手必读】Airtest测试Android手机常见的设置问题
299 0

热门文章

最新文章