双十一购物狂欢节即将到来，作为程序员，利用爬虫技术查询商品的历史价格趋势，似乎是一个合理的需求，毕竟这只是为了自己参考，不涉及商业用途。然而，小伙伴们在进行爬虫操作时一定要谨慎小心，尤其是在数据采集和使用的过程中，务必遵守相关法律法规与平台的使用规范。
每次和大家讲解爬虫时，我总是提醒一句：“谨慎、谨慎、再谨慎！”不仅要避免触犯法律，也要避免对网站的正常运营造成影响，保持理性和合规。
商品获取
好的，我们的第一步是进入京东的查询页面，找到并打开我们关注的商品页面。例如，假设我最关注的是显卡的价格和相关数据，那么接下来我就会去查询显卡的具体信息。通过这种方式，我们能够获取到显卡的相关商品数据。如图：
你要做的工作是找到我们的商品信息请求连接。这个连接可能不好找，所以你需要耐心地逐个查看相关页面。我已经帮你找到这个连接了，现在我们可以直接根据它开始编写爬虫脚本，目标是从中提取商品链接。你可以通过右键点击请求，选择“复制请求为 Python 代码”来直接获取 Python 代码。
至于在线工具，市场上有很多类似的工具可以帮助你转换请求，但我就不一一列举了，你可以根据需求自行选择合适的工具。
代码部分你可以自己编写，我这里只会提供一些关键部分的示例代码，帮助你更好地理解如何实现。以下是我为你整理的关键代码片段：
response = requests.get('https://api.m.jd.com/', params=params, cookies=cookies, headers=headers) # 使用BeautifulSoup解析HTML soup = BeautifulSoup(response.text, 'html.parser')
# 查找所有符合条件的div标签 div_tags = soup.find_all('div', class_='p-name p-name-type-2')
# 循环遍历每个div标签，提取信息 for div_tag in div_tags: # 查找 span 标签中是否有 "自营" 标识 self_operated_tag = div_tag.find('span', class_='p-tag') if self_operated_tag and '自营' in self_operated_tag.text: # 提取显卡名称和链接 a_tag = div_tag.find('a', href=True) product_name = a_tag.find('em').text.strip() # 处理相对路径，拼接为完整的URL link = 'https:' + a_tag['href'] if a_tag['href'].startswith('//') else a_tag['href'] store.append({ 'name': product_name, 'link': link }) # 打印结果 print("名称:", product_name) print("链接:", link) else: print("没有找到自营标识或没有相关信息。") sort_data(store,keyword) def sort_data(data,name): with open(name+'.csv','a',newline='',encoding='utf8')as f: writer=csv.writer(f) for i in data: writer.writerow((i['name'],i['link']))
复制代码
这里我们只关注自营商品，因为自营商品的品质相对有保障。为了避免频繁爬取导致封号的风险，我将爬取到的数据存储到了 CSV 文件中，便于后续使用。毕竟，不建议频繁地向同一网站发起请求，这样很容易被封禁。
以下是我爬取的某一页的数据示例。如果你需要获取多个页面的数据，只需调整相关参数即可，确保分页功能正常工作。爬取的示例数据如下所示：
没错，我并没有爬取商品的实时价格，因为我们这次的主要目标是获取历史价格数据。不过，在抓取历史价格的同时，顺便也爬取了商品的最新价格，这样既能满足需求，又不会浪费额外的爬取时间。因此，当前的代码已经覆盖了这两方面的内容。
接下来，我们可以转到另一个网站，看看它的数据结构和爬取方式，以便进行比较和优化。
历史价格爬取
在成功获取完当前网站的数据后，我们将转向爬取另一个网站的数据。首先，为了确保能够顺利抓取到所需的历史价格信息，我们需要在 Web 端进行一些初步的测试。通过手动操作和分析网络请求，我确认了能够获取历史价格数据的请求接口。
经过一番测试和调试后，我成功找到了正确的请求连接。接下来，我将展示这个连接，供大家参考。如下所示：
我们计划逐步抓取每一个商品链接的历史价格信息，以确保数据的全面性和准确性。然而，在抓取过程中，我注意到请求的内容中包含了一个加密部分，这使得我们无法直接获取到完整的价格数据。这一加密内容需要解密或进一步处理，才能确保我们能够成功提取出历史价格。
因此，在继续抓取之前，我们需要先分析并处理这个加密机制。以下是加密部分的内容，供参考：
在这个请求过程中，使用的并不是商品的直接链接，而是一个经过加密处理的“code”参数。实际上，商品链接在上面的请求中已经经历了一定的转换处理，因此我们无需过于担心这个转换步骤，它只是多了一道处理环节而已，对数据获取本身没有实质性影响。
我们只需要按照指定的方式获取这个“code”参数，并在后续请求中正确使用它即可。经过一系列分析和处理，最终的代码实现如下所示：
def get_history(itemid): #此处省略一堆代码 params = { 'ud': 'EAONJNRXWXSMTBKNNYL_1730899204', 'reqid': '46db0db9f67129f31d1fca1f96ed4239', 'checkCode': 'ada35e4f5d7c1c55403289ec49df69e3P9f1', 'con': itemid, }
data = { 'checkCode': 'ada35e4f5d7c1c55403289ec49df69e3P9f1', 'con': itemid, }
response = requests.post('http://www.tool168.cn/dm/ptinfo.php', params=params, cookies=cookies, headers=headers, data=data, verify=False) #此处省略一堆代码
code = json.loads(response.text) params = { 'code': code['code'], 't': '', 'ud': 'EAONJNRXWXSMTBKNNYL_1730899204', 'reqid': '46db0db9f67129f31d1fca1f96ed4239', }
response = requests.post('http://www.tool168.cn/dm/history.php', params=params, cookies=cookies, headers=headers, verify=False) # 正则表达式匹配Date.UTC中的日期和价格 pattern = r"Date.UTC\((\d{4}),(\d{1,2}),(\d{1,2})\),([\d\.]+)"
matches = re.findall(pattern, response.text)
# 解析日期和价格 prices = [] for match in matches: year, month, day, price = match date = datetime(int(year), int(month) + 1, int(day)) # 月份是从0开始的，需要加1 prices.append((date, float(price)))
# 找出最低价格、最高价格和最新价格 min_price = min(prices, key=lambda x: x[1]) max_price = max(prices, key=lambda x: x[1]) latest_price = prices[-1]
# 打印结果 print(f"最低价格: {min_price[1]}，日期: {min_price[0].strftime('%Y-%m-%d')}") print(f"最高价格: {max_price[1]}，日期: {max_price[0].strftime('%Y-%m-%d')}") print(f"最新价格: {latest_price[1]}，日期: {latest_price[0].strftime('%Y-%m-%d')}") get_history("https://item.jd.com/100061261651.html")
复制代码
最后，通过对获取到的历史价格数据进行分析，我们可以基于价格的波动趋势做出合理的购买判断！看下最终的效果：
剩下的工作就是对代码进行优化的过程了。在这个阶段，我们的主要目标是展示一个基本的实现思路，并且验证相关功能是否有效。实际上，我们并不打算爬取所有商品的详细信息，因为这不仅不符合我们的实际需求，而且在实际操作中也没有必要。
总结
总的来说，爬虫技术为我们提供了丰富的数据资源，但在使用过程中，谨慎行事，理性操作，才能真正让爬虫技术为我们的生活带来便利，而不是带来麻烦。希望大家在即将到来的双十一购物狂欢节中，既能抓住机会购买心仪的商品，又能遵守道德与法律的底线，做一个负责任的技术使用者。
文章转载自：努力的小雨
原文链接：https://www.cnblogs.com/guoxiaoyu/p/18531125
体验地址：http://www.jnpfsoft.com/?from=infoq
评论