python_爬虫_爬取京东商品信息

一

爬取京东商品信息

代码：

import requests
# url = "https://item.jd.com/2967929.html"
url = "https://item.jd.com/100011585270.html"
try:
    r = requests.get(url)
    r.raise_for_status()
    r.encoding = r.apparent_encoding
    print(r.text[:1000])
except:
    print("爬取失败")

运行结果1：

运行结果2：

能爬取到信息，但是信息不够全面。结果2只出现过一次，没有及时保存。

曾经怀疑结果1的出现是因为没有登陆，可是登陆后仍然会出现结果1。故排除该可能。

由于偶然出现结果2，所以怀疑可能是网络原因，或者爬虫被禁止。

想尝试更改header，模拟浏览器进行访问，但是由于现在要做scratch的分型雪花，所以暂时搁置。

以上止步于python网络爬虫与信息获取（嵩天老师_MOOC）第一周第三单元第一个视频

二

把url换成了淘宝的一个链接：https://item.taobao.com/item.htm?spm=a1z0d.6639537.1997196601.24.77b47484qxHVRi&id=620107543829

爬取结果：

<!doctype html>
<html>
<head>
<meta http-equiv="X-UA-Compatible" content="IE=edge"/>
<meta charset="gbk"/>
<meta name="format-detection" content="telephone=no, address=no">
<link rel="dns-prefetch" href="//g.alicdn.com">
<link rel="dns-prefetch" href="//gtms01.alicdn.com">
<link rel="dns-prefetch" href="//gtms02.alicdn.com">
<link rel="dns-prefetch" href="//gtms03.alicdn.com">
<link rel="dns-prefetch" href="//gtms04.alicdn.com">
<link rel="dns-prefetch" href="//gd1.alicdn.com">
<link rel="dns-prefetch" href="//gd2.alicdn.com">
<link rel="dns-prefetch" href="//gd3.alicdn.com">
<link rel="dns-prefetch" href="//gd4.alicdn.com">

三

shell模式下
>>> import requests
>>> r = requests.get("https://item.taobao.com/item.htm?spm=a1z0d.6639537.1997196601.24.77b47484qxHVRi&id=620107543829")
>>> r.encoding
'gb18030'
>>> r.apparent_encoding
'GB2312'
>>> r.encoding = r.apparent_encoding
>>> r.text[:1000]
' <!doctype html> <html> <head> <meta http-equiv="X-UA-Compatible" content="IE=edge"/> <meta charset="gbk"/> <meta name="format-detection" content="telephone=no, address=no"> <link rel="dns-prefetch" href="//g.alicdn.com"> <link rel="dns-prefetch" href="//gtms01.alicdn.com"> <link rel="dns-prefetch" href="//gtms02.alicdn.com"> <link rel="dns-prefetch" href="//gtms03.alicdn.com"> <link rel="dns-prefetch" href="//gtms04.alicdn.com"> <link rel="dns-prefetch" href="//gd1.alicdn.com"> <link rel="dns-prefetch" href="//gd2.alicdn.com"> <link rel="dns-prefetch" href="//gd3.alicdn.com"> <link rel="dns-prefetch" href="//gd4.alicdn.com"> <link rel="canonical" href="https://item.taobao.com/item.htm?id=620107543829" /> <link rel="amphtml" hreflang="zh-Hans" href="https://www.taobao.com/list/item-amp/620107543829.htm"/> <link rel="alternate" hreflang="zh-Hant" href="https://world.taobao.com/item/620107543829.htm" /> <meta name="renderer" content="webkit"/> <meta name="refer'
>>> r.encoding
'GB2312'

我的想法是正确的，京东应该是有来源审查，将headers换成mozilla就可以了。正确代码放到评论里