91家纺网,十三次更新,用于测试数据库连接网页问题,由于会出现错误网站,导致接收到的值为空。

"""
抓取
解析
存储
"""
import re
#import ast
from urllib import parse
from datetime import datetime

import requests
import time
from scrapy import Selector

from models import *

domain = "http://www.91jf.com/"

#函数用来保存写入测试文本
def write_txt(html_data):
    f = open("a.txt", ‘w‘)
    f.write(html_data)
    f.close()

def get_nodes_json():
    left_menu_text = requests.get("http://www.91jf.com/").text
    #write_txt(left_menu_text)
    #etree.HTML(res0.text)
    sel = Selector(text=left_menu_text)
    all_divs = sel.xpath("//div[@class=‘class_child_li‘]//a[@href]").extract()
    if all_divs:
        nodes_lists = []
        for i in range(len(all_divs)):
            nodes_str = all_divs[i]
            nodes_str = nodes_str.replace("&","&") # 此处&由于被转义成&导致需要重新进行处理
            nodes_lists.append(nodes_str)
        return nodes_lists
    return []

url_list_names = []
def process_nodes_list(nodes_list):
    #将js的格式提取出url到list中
    for item in nodes_list:
        #此处为对应的url数据
        url = re.search(‘\".*\d\"‘, item)
        url = url.group(0).replace("\"", "")
        url = parse.urljoin(domain,url)
        #此处为url对应的商品标签
        name = re.search(‘<span>.*</span>‘,item)
        name = name.group(0).replace("<span>","")
        name = name.replace("</span>","")
        url_list_name = [url,name]
        url_list_names.append(url_list_name)
    return url_list_names

def get_level1_list(nodes_list):
    level1_url = []
    #将js的格式提取出url到list中
    for item in nodes_list:
        #此处为对应的url数据
        url = re.search(‘\".*\d\"‘, item)
        url = url.group(0).replace("\"", "")
        url1 = parse.urljoin(domain,url + "&okey=salenum&order=desc&page=1")
        level1_url.append(url1)
    return level1_url

def get_last_urls():
    #获取最终需要抓取的url
    url_list = []
    nodes_list = get_nodes_json()
    url_names = process_nodes_list(nodes_list)
    level1_url = get_level1_list(nodes_list)
    for url in level1_url:
        #print(url)
        #parse_product(url)
        parse_data_last(url)
        #url_list.extend(parse_data_last(url))
    return url_list

def parse_product(url):
    #获取商品的详情以及销售数量
    res_text = requests.get(url).text 
    print(url)
    #print(res_text)
    sel = Selector(text=res_text)
    res_li = sel.xpath("//div[@class=‘pro_list_div g-clearfix c‘]/ul//li[@class=‘goods_offset‘]")
    flag_num = 0
    for item in res_li:
        name = item.xpath("./div[@class=‘row row-2 title‘]/a/text()").extract() # 产品名字
        name = ‘‘.join(name)
        price = item.xpath(‘./div[@id="goods_detail_b"]/div[@class="row row-1"]/div[@class="g_price fm2"]/strong/text()‘).extract() # 显示价格
        price = ‘‘.join(price)
        try:
            price = float(price)
        except:
            print("价格会员可见|价格请咨询商家")
            continue
        sales_num = item.xpath("./div[@id=‘goods_detail_b‘]/div[2]/p[1]/text()").extract()  # 销售数量
        sales_num= ‘‘.join(sales_num)
        sales_num = sales_num.split(‘销量:‘)[1]
        sales_num = int(sales_num)
        flag_num = sales_num
        if sales_num < 1:
            continue
        
        merchant = item.xpath("./div[@id=‘goods_detail_b‘]/div[2]/p[2]/text()").extract() # 商家
        merchant = ‘‘.join(merchant)

        main_Products = item.xpath("./div[@id=‘goods_detail_b‘]/div[2]/p[3]/text()").extract() # 主营
        main_Products = ‘‘.join(main_Products)

        merchant_Place = item.xpath("./div[@id=‘goods_detail_b‘]/div[2]/p[4]/text()").extract() # 地址
        merchant_Place = ‘‘.join(merchant_Place)
    
        product = Product()
        product.name = name
        product.price = price
        product.sales_num = sales_num
        product.merchant = merchant
        product.main_Products = main_Products
        product.merchant_Place = merchant_Place
        
        existed_name = Product.select().where(Product.name==product.name)
        if existed_name:
            product.save()
        else:
            product.save(force_insert=True)
        
    next_page = sel.xpath("//*[@class=‘pagination2‘]/a[@href]").extract()
    if len(next_page) > 2 and flag_num > 0:
        url_next = re.search(‘\".*\d\"‘,next_page[-1])
        url_next = url_next.group().replace("&amp;","&") # 此处&由于被转义成&amp;导致需要重新进行处理
        url_next = url_next.replace("\"","")
        url_next = parse.urljoin(domain,url_next)
        #print(url_next)
        parse_product(url_next)
    else:
        pass

#获取商品链接
def parse_data_last(url):
    url_list = []
    flag_num = 0
    #获取商品的详情标签
    res_text = requests.get(url).text
    sel = Selector(text=res_text)
    res_li = sel.xpath("//div[@class=‘pro_list_div g-clearfix c‘]/ul//li[@class=‘goods_offset‘]")
    for item in res_li:
        sales_num = item.xpath("./div[@id=‘goods_detail_b‘]/div[2]/p[1]/text()").extract() # 销售数量
        sales_num= ‘‘.join(sales_num)
        sales_num = sales_num.split(‘销量:‘)[1]
        sales_num = int(sales_num)
        flag_num = int(sales_num)

        data = item.xpath("./div[@class=‘pro_pic_box‘]/a").extract()
        data = re.search(‘\".*\d\"‘,data[0])
        data = data.group().replace("&amp;","&")
        data = data.replace("\"","")
        data_url = parse.urljoin(domain,data) # 链接为销量排序之后的单个商品链接,传出链接
        print("开始获取商品:{}".format(data_url))
        parse_product_data(data_url)
        url_list.append(data_url)

    #此处代码用来切到下一页链接数据,商品的详情排布页
    next_page = sel.xpath("//*[@class=‘pagination2‘]/a[@href]").extract()
    if len(next_page) > 2 and flag_num > 0:
        url_next = re.search(‘\".*\d\"‘,next_page[-1])
        url_next = url_next.group().replace("&amp;","&") # 此处&由于被转义成&amp;导致需要重新进行处理
        url_next = url_next.replace("\"","") 
        url_next = parse.urljoin(domain,url_next)
        parse_data_last(url_next)  

    return url_list 

#获取商品详细数据
def parse_product_data(url):
    #获取商品的详情以及销售数量
    #print(url) # 打印当前商品页的url用来定位
    product_id = url.split(‘id=‘)[1] # 对商品id进行切片处理,用来获取ajax数据
    res_text = requests.get(url).text
    sel = Selector(text=res_text)
    #筛选规则,当is_price之后的value属性值为0的时候,说明不需要咨询商家,同时需要注意的是,商品会有打折批次数量的差异导致价格差异,
    #这一点需要根据具体的显示页面来处理,现在忽略,由于可能存在打折段的数据差异,所以暂时不考虑
    Is_price = sel.xpath("//input[contains(@id,‘is_price‘)]").extract()#取到的数据用来判断价格是否需要咨询商家
    print(Is_price)
    if len(Is_price) < 1:
        print("页面数据为空")
    is_value = re.search(‘\d‘,Is_price[0])
    if is_value.group() == ‘0‘: # 0表示商品价格不需要咨询商户
        #datas = sel.xpath("//table[contains(@class,‘goods_spec_list‘)]").extract()
        datas = sel.xpath("//div[contains(@class,‘show_all‘)]/table[contains(@class,‘goods_spec_list‘)]//tr")
        #price_base
        price_base = 0.0
        for item in range(len(datas)):
            price = datas[item].xpath("./input[3]").extract()
            price = re.search(‘value=\".*\"‘,price[0])
            price = re.search(‘\d.*\d‘,price[0])
            price = price.group()
            price_base = price_base + float(price)
        price_base = price_base / len(datas) # 商品基准价格计算
        #此处获取商品的描述信息
        attributes_list = sel.xpath("//span[contains(@class,‘attributes-list‘)]//li/text()").extract()
        str_attributes = ‘ ‘.join(attributes_list)
        str_attributes = str_attributes.replace("&nbsp;"," ") # 商品信息描述
        #此处发送请求获取商品购买数据
        url_sales = parse.urljoin(domain,‘default.php?act=evallist‘)
        data = {
            ‘id‘: product_id,
            ‘page‘: ‘0‘,
            ‘info_type‘: ‘sale‘
        }
        response = requests.post(url_sales, data=data)
        buyer_num = response.json().get("member") # 购买人数
        sale_num = response.json().get(‘num‘) # 销售数量
        buyer_rate = response.json().get(‘re_buyer_rate‘) # 商品复购率
        product_id = int(product_id) # 此处对商品ID进行转换

        product_attributes = Product_attributes()
        product_attributes.product_id = product_id
        product_attributes.price_base = price_base
        product_attributes.attributes = str_attributes
        product_attributes.buyer_num = buyer_num
        product_attributes.sale_num = sale_num
        product_attributes.buyer_rate = buyer_rate

        existed_id = Product_attributes.select().where(Product_attributes.product_id==product_id)
        if existed_id:
            product_attributes.save()
        else:
            product_attributes.save(force_insert=True)

    else :
        price = "价格请咨询商家"
        #print(price)
        #price1 = sel.xpath("//input[@id=‘goods_spec_price_0_0‘]").extract()    
    
    #print("获取指定商品失败,不存在的商品")

if __name__ == "__main__":
    start_time = datetime.now()
    print(start_time)
    last_urls = get_last_urls()
    end_time = datetime.now()
    print(end_time)
    print("一共使用时间:",end_time - start_time)
    ‘‘‘
    for url in last_urls:
        #parse_product_data(url)
        #print("开始获取商品:{}".format(url))
    ‘‘‘
   

91家纺网,十三次更新,用于测试数据库连接网页问题,由于会出现错误网站,导致接收到的值为空。

上一篇:mysql基础sql语法联系


下一篇:tidb-导出表导入表