站長資訊網
引言
亞馬遜網站相較于國內的購物網站，可以直接使用python的最基本的requests進行請求。訪問不是過于頻繁，在未觸發保護機制的情況下，可以獲取我們想要的數據。本次通過以下三部分簡單介紹下基本爬取流程：
-
使用requests的get請求，獲取亞馬遜列表和詳情頁的頁面內容
-
使用css/xpath對獲取的內容進行解析，取得關鍵數據
-
動態IP的作用及其使用方法
一、獲取亞馬遜列表頁的信息
以游戲區為例：
程序員必備接口測試調試工具：立即使用
Apipost = Postman + Swagger + Mock + Jmeter
Api設計、調試、文檔、自動化測試工具
后端、前端、測試，同時在線協作，內容實時同步
獲取列表內能獲取到的商品信息，如商品名，詳情鏈接，進一步獲取其他內容。
用requests.get()獲取網頁內容，設置好header，利用xpath選擇器選取相關標簽的內容：
import requests from parsel import Selector from urllib.parse import urljoin spiderurl = 'https://www.amazon.com/s?i=videogames-intl-ship' headers = { "authority": "www.amazon.com", "user-agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 10_3_3 like Mac OS X) AppleWebKit/603.3.8 (KHTML, like Gecko) Mobile/14G60 MicroMessenger/6.5.19 NetType/4G Language/zh_TW", } resp = requests.get(spiderurl, headers=headers) content = resp.content.decode('utf-8') select = Selector(text=content) nodes = select.xpath("http://a[@title='product-detail']") for node in nodes: itemUrl = node.xpath("./@href").extract_first() itemName = node.xpath("./div/h2/span/text()").extract_first() if itemUrl and itemName: itemUrl = urljoin(spiderurl,itemUrl)#用urljoin方法湊完整鏈接 print(itemUrl,itemName)
登錄后復制
此時已經獲取的當前列表頁目前能獲得的信息：
二、獲取詳情頁信息
進入詳情頁：
進入詳情頁之后，能獲得
