当前位置：首页 > article >正文

快速使用Python爬虫根据关键词获取衣联网商品列表：实战指南

article 2025/3/17 11:09:38

在电商领域，通过关键词搜索商品并获取商品列表是常见的需求。衣联网作为知名的电商平台，提供了丰富的服装商品资源。本文将详细介绍如何快速使用Python爬虫技术根据关键词获取衣联网商品列表，并确保爬虫行为符合平台规范。

一、环境准备

（一）Python开发环境

确保你的系统中已安装Python（推荐使用Python 3.8及以上版本）。

（二）安装所需库

安装requests和BeautifulSoup库，用于发送HTTP请求和解析HTML内容。可以通过以下命令安装：

pip install requests beautifulsoup4

二、编写爬虫代码

（一）发送HTTP请求

使用requests库发送GET请求，获取商品列表页面的HTML内容。

import requests

def get_html(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/123.0.0.0 Safari/537.36"
    }
    try:
        response = requests.get(url, headers=headers)
        response.raise_for_status()  # 检查请求是否成功
        return response.text
    except requests.RequestException as e:
        print(f"请求失败：{e}")
        return None

（二）解析HTML内容

使用BeautifulSoup解析HTML内容，提取商品列表。

from bs4 import BeautifulSoup

def parse_html(html):
    soup = BeautifulSoup(html, 'html.parser')
    products = []

    # 根据衣联网的商品列表页面结构调整解析逻辑
    product_elements = soup.select("div.product-item")
    for product_element in product_elements:
        title = product_element.select("h3.product-title")[0].get_text(strip=True)
        price = product_element.select("span.product-price")[0].get_text(strip=True)
        link = product_element.select("a.product-link")[0]['href']
        products.append({
            "title": title,
            "price": price,
            "link": link
        })

    return products

（三）根据关键词获取商品列表

根据关键词构造搜索URL，获取商品列表页面的HTML内容，并解析。

def get_product_list(keyword, page=1):
    base_url = "https://www.clothing.com/search"
    url = f"{base_url}?q={keyword}&page={page}"
    html = get_html(url)
    if html:
        return parse_html(html)
    return []

（四）整合代码

将上述功能整合到主程序中，实现完整的爬虫程序。

if __name__ == "__main__":
    keyword = "连衣裙"  # 替换为实际关键词
    products = get_product_list(keyword)

    for product in products:
        print(f"商品名称: {product['title']}")
        print(f"商品价格: {product['price']}")
        print(f"商品链接: {product['link']}")
        print("----------------------")

三、快速部署与运行

（一）部署环境

确保你的开发环境中已安装Python和必要的库。可以使用以下命令快速安装所需库：

pip install requests beautifulsoup4

（二）运行爬虫

将上述代码保存为crawler.py文件，然后在终端中运行：

python crawler.py

（三）输出结果

运行爬虫后，你将看到类似以下的输出：

商品名称: 时尚连衣裙
商品价格: ￥299.00
商品链接: https://www.clothing.com/product/12345
----------------------
商品名称: 优雅连衣裙
商品价格: ￥399.00
商品链接: https://www.clothing.com/product/67890
----------------------

四、注意事项

（一）遵守平台规则

在编写爬虫时，必须严格遵守衣联网的使用协议，避免触发反爬机制。

（二）合理设置请求频率

避免过高的请求频率，以免对平台服务器造成压力。建议在请求之间添加适当的延时：

import time
time.sleep(1)  # 每次请求间隔1秒

（三）数据安全

妥善保管爬取的数据，避免泄露用户隐私和商业机密。

（四）处理异常情况

在爬虫代码中添加异常处理机制，确保在遇到错误时能够及时记录并处理。

import logging

logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')

try:
    products = get_product_list(keyword)
    for product in products:
        logging.info(f"商品名称: {product['title']}")
        logging.info(f"商品价格: {product['price']}")
        logging.info(f"商品链接: {product['link']}")
except Exception as e:
    logging.error(f"发生错误: {e}")