当前位置：首页 > article >正文

如何使用Python爬虫按关键字搜索1688商品？

article 2025/4/2 8:31:43

在电商领域，获取1688商品信息对于市场分析、选品上架、库存管理和价格策略制定等方面至关重要。1688作为国内领先的B2B电商平台，提供了丰富的商品数据。通过Python爬虫技术，我们可以高效地获取1688商品的详细信息，包括商品名称、价格、图片、描述等。本文将详细介绍如何利用Python爬虫按关键字搜索1688商品，并提供完整的代码示例。

一、为什么选择Python爬虫？

Python因其简洁的语法和强大的库支持，成为爬虫开发的首选语言之一。利用Python爬虫，可以快速实现从1688平台获取商品详情的功能，包括商品标题、价格、图片、描述等信息。

二、爬虫实现步骤

1. 分析网页结构

在编写爬虫之前，需要先分析1688商品详情页的结构。通过查看网页的源代码，找到商品名称、价格、图片等信息所在的HTML标签。

2. 编写爬虫代码

根据网页结构，使用合适的工具和库编写爬虫代码。以下是使用Python和requests、BeautifulSoup库按关键字搜索1688商品并获取详情的代码示例：

Python

import requests
from bs4 import BeautifulSoup

def search_products(keyword, page=1):
    url = f"https://search.1688.com/?keywords={keyword}&page={page}"
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
    }
    response = requests.get(url, headers=headers)
    soup = BeautifulSoup(response.text, 'html.parser')
    products = []
    for item in soup.select('.sm-offer-item'):
        title = item.select_one('.title').text.strip()
        price = item.select_one('.price').text.strip()
        link = item.select_one('a')['href']
        products.append({
            'title': title,
            'price': price,
            'link': link
        })
    return products

def get_product_details(product_url):
    response = requests.get(product_url, headers=headers)
    soup = BeautifulSoup(response.text, 'html.parser')
    product_name = soup.find('h1', {'class': 'd-title'}).text.strip()
    product_price = soup.find('span', {'class': 'price-tag-text-sku'}).text.strip()
    product_image = soup.find('img', {'class': 'desc-lazyload'}).get('src')
    return {
        'name': product_name,
        'price': product_price,
        'image': product_image
    }

keyword = "苹果手机"
products = search_products(keyword)
for product in products:
    print(product)
    details = get_product_details(product['link'])
    print(details)

3. 处理和存储数据

获取到的数据可以通过pandas库进行处理和存储。例如，将数据保存到CSV文件中：

Python

import pandas as pd

def save_to_csv(data, filename):
    df = pd.DataFrame(data)
    df.to_csv(filename, index=False, encoding='utf-8')

save_to_csv(products, 'search_results.csv')