python爬虫之淘宝商品比价定向爬虫

使用requests，re库来定向爬取淘宝商品。

结构设计：

1. 提交商品搜索请求，循环获取后续页面
2. 对于每个页面，提取商品名称、价格信息
3. 将信息输入到屏幕上

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('连接失败')

def parsePage(ilt,html):
    try:
        plt = re.findall(r'\"view_price\"\:\"[\d\.\d]*\"',html)
        tlt = re.findall(r'\"raw_title\"\:\".*?\"',html)
        for i in range(len(plt)):
            price = eval(plt[i].split(':')[1])
            title = eval(tlt[i].split(':')[1])
            ilt.append([price,title])
    except:
        print('')

def PrintGoodsList(ilt):
    tplt = '{:4}\t{:8}\t{:16}'
    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 = input('please input the goods:')
    depth = 3
    start_url = 'https://s.taobao.com/search?q='
    infoList = []
    for i in range(depth):
        try:
            url = start_url+goods+'&s='+str(44*i)
            html = getHTMLText(url)
            parsePage(infoList,html)
        except:
            continue
    PrintGoodsList(infoList)
main()

运行该代码会发现，并不能出来结果。
打印 getHTMLText（）中的text会发现，网页并没有获取到当前商品的信息，而是返回的一个登陆淘宝界面。
在这里使用cookie的方法来登陆淘宝，这要要求首先在浏览器中登陆淘宝，获取到cookie：cookie，headers获取方法
修改getHTMLText()后如下：

def getHTMLText(url):
    try:
        headers = {
     'User-Agent': '通过上面方法获得的headers'}
        coo = '通过上面方法获得的cookie'
        cookies = {
     }
        for line in coo.split(';'):
            name,value = line.strip().split('=',1)
            cookies[name] = value
        r = requests.get(url,headers=headers,cookies=cookies,timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        print('连接失败'）

至此就可以爬取淘宝中的商品了，模拟淘宝登陆将会在后续中说明。