国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

手把手教你寫電商爬蟲-第一課 找個軟柿子捏捏

source / 3319人閱讀

摘要：找小弟也要有找小弟的辦法，我們就去橘子上看看有沒有什么新的電商公司試試，找了一圈，就相中了這個切糕王子，名字霸氣，內容簡單，非常適合我們這種新手練手，掌握一下基本技能。

話說現在基本上大家都在網上買東西，國家經濟數據已經可以在網絡購物的數據中略微窺見一二，再加上目前B2B行業的持續火爆，大有把所有交易搬到網上來的趨勢，這個系列教程就來講講如果爬取這些大量的電商交易的數據。

工具要求：教程中主要使用到了 1、神箭手云爬蟲框架 這個是爬蟲的基礎，2、Chrome瀏覽器和Chrome的插件XpathHelper 這個用來測試Xpath寫的是否正確
基礎知識：本教程中主要用到了一些基礎的js和xpath語法，如果對這兩種語言不熟悉，可以提前先學習下，都很簡單

教程正式開始，現在電商網站很多，牛逼哄哄的淘寶京東，新晉貴族唯品會聚美優品 海淘的美麗說higo網易惠惠等等，作為新手，上來打boss的結果必定是灰屏回家，所以 我們現在新手村附近找個小弟練練級吧。

找小弟也要有找小弟的辦法，我們就去it橘子上看看有沒有什么新的電商公司試試，找了一圈，就相中了這個切糕王子，名字霸氣，內容簡單，非常適合我們這種新手練手，掌握一下基本技能。

那我們就正式開始，首先，我們打開切糕王子的商品列表頁

http://www.qiegaowz.com/product/Default.html

只有5款商品，果然是互聯網思維，爆品邏輯。頓時讓我們有種用大炮大蚊子的趕腳，寫個爬蟲的時間，不如手動復制了。不過，誰讓我們是程序員呢？手動復制這么low的事情說出去都丟不起這個人。

開始前先給大家普及一下爬蟲的基本步驟:

1.選定入口url，也叫種子url，就是讓爬蟲從哪個頁面開始爬
2.區分哪些是內容頁面，也就是我們需要抽取數據的頁面，哪些是中間頁，就是連接其他頁面，沒有我們需要的數據的頁面
3.對內容頁寫抽取規則
4.開始爬蟲

好了，那我們就開始了

第一步來：這個網站的入口url很簡單，就一個頁面

http://www.qiegaowz.com/product/Default.html

就是他了，也沒別人

第二步：內容頁面就是那5個商品的頁面

http://www.qiegaowz.com/product/5ee97997-1700-4d19-b93a-6bd7c930fefe.html
http://www.qiegaowz.com/product/ccdf1d03-58da-48a9-bfd2-d9c403b56c98.html
http://www.qiegaowz.com/product/1f44feec-751a-4656-9e42-ec1cb7d8dee6.html
http://www.qiegaowz.com/product/83106246-d38e-42da-a0a4-2289f699b066.html
http://www.qiegaowz.com/product/a723b3cc-91f0-495f-b7b8-792b4470a6e6.html

神箭手框架里是將內容頁用正則表達式來限制的，那沒這幾個頁面統一一個正則的話就是

http://www.qiegaowz.com/product/[0-9a-z]{8}-[0-9a-z]{4}-[0-9a-z]{4}-[0-9a-z]{4}-[0-9a-z]{12}.html

什么？有人覺得這個太難了，那我們可以再簡單一點：

http://www.qiegaowz.com/product/.{36}.html

特別提醒，在正則表達式中，"."和"?"這個字符是需要轉義的，這些千萬不能寫錯了。

中間頁的話，就是http://www.qiegaowz.com/product/Default.html，轉換成正則的格式：

http://www.qiegaowz.com/product/Default.html

第三步：我們打開其中一個商品的頁面

發現整個頁面沒啥內容，我們就勉強來分成三個部分吧，分別是 縮略圖，商品名稱，內容

先看縮略圖：我們用chrome打開，并打開開發者工具：

根據html的層級結構，主要找class和ID的節點，我們可以看到我們這個圖片的自己的標簽是img標簽，沒有什么特別的屬性，那沒看他的父標簽，

是

我們來查一下發現這個showpic再整個頁面里面出現了1次，那么用這個showpic的class就可以直接定位到這個圖片，xpath的寫法就是：

//div[contains(@class,"showpic")]/img/@src

簡單解釋下xpath，開始的兩個//代表著從根目錄開始不確定過了多少級，如果是單/則代表是一級層級關系，class屬性的選擇我們通常使用contains是為了防止一個標簽有多個class，最后因為我們要獲取的是圖片的地址，所以最終我們要選取到src屬性，好了 我們寫完之后 用xpathhelper檢測一下對不對

沒問題，另外兩個抽取項在這里就不詳細解釋了，方式大同小異，直接放結果：

//div[contains(@class,"showpic")]/img/@src
//div[contains(@class,"showproduct")]/h1
//div[contains(@class,"shownewdes")]

OK，那么到這里，我們爬蟲的準備工作已經做完了，根據神箭手框架的文檔，我們將我們的準備好的代碼組裝一下如下，

var configs = {  
    domains: ["www.qiegaowz.com"],  
    scanUrls: ["http://www.qiegaowz.com/product/Default.html"],  
    contentUrlRegexes: ["http://www.qiegaowz.com/product/.{36}.html"],  
    helpUrlRegexes:["http://www.qiegaowz.com/product/Default.html"],  
    fields: [  
        {  
            // 商品縮略圖  
            name: "thumbnail",  
            selector: "http://div[contains(@class,"showpic")]/img/@src",  
        },  
        {  
            // 商品標題  
            name: "title",  
            selector: "http://div[contains(@class,"showproduct")]/h1",  
        },  
        {  
            // 商品內容  
            name: "content",  
            selector: "http://div[contains(@class,"shownewdes")]",  
        }  
    ]  
};  
  
start(configs);

到這里就大功告成了，我們將代碼復制神箭手后臺代碼中，保存并測試下，順利爬到數據。

不過還有一些遺留問題，如商品內容中有一些我們不需要的內容，如何去掉，這個我們可以在后面的教程中詳細解釋。

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/37923.html

相關文章

  • 手把手教你寫電商爬蟲-第一課 找個軟柿子捏捏

    摘要：找小弟也要有找小弟的辦法，我們就去橘子上看看有沒有什么新的電商公司試試，找了一圈，就相中了這個切糕王子，名字霸氣，內容簡單，非常適合我們這種新手練手，掌握一下基本技能。 話說現在基本上大家都在網上買東西，國家經濟數據已經可以在網絡購物的數據中略微窺見一二，再加上目前B2B行業的持續火爆，大有把所有交易搬到網上來的趨勢，這個系列教程就來講講如果爬取這些大量的電商交易的數據。 工具要求：教...

    springDevBird 評論0 收藏0

  • 互聯網金融爬蟲怎么寫－第一課 p2p網貸爬蟲（XPath入門）

    摘要：之前寫了一個電商爬蟲系列的文章，簡單的給大家展示了一下爬蟲從入門到進階的路徑，但是作為一個永遠走在時代前沿的科技工作者，我們從來都不能停止。金融數據實在是價值大，維度多，來源廣。由于也是一種，因此通常來說，在中抽取某個元素是通過來做的。 相關教程： 手把手教你寫電商爬蟲-第一課 找個軟柿子捏捏 手把手教你寫電商爬蟲-第二課 實戰尚妝網分頁商品采集爬蟲 手把手教你寫電商爬蟲-第三課 實戰...

    kk_miles 評論0 收藏0

  • 互聯網金融爬蟲怎么寫－第一課 p2p網貸爬蟲（XPath入門）

    摘要：之前寫了一個電商爬蟲系列的文章，簡單的給大家展示了一下爬蟲從入門到進階的路徑，但是作為一個永遠走在時代前沿的科技工作者，我們從來都不能停止。金融數據實在是價值大，維度多，來源廣。由于也是一種，因此通常來說，在中抽取某個元素是通過來做的。 相關教程： 手把手教你寫電商爬蟲-第一課 找個軟柿子捏捏 手把手教你寫電商爬蟲-第二課 實戰尚妝網分頁商品采集爬蟲 手把手教你寫電商爬蟲-第三課 實戰...

    jlanglang 評論0 收藏0

  • 手把手教你寫電商爬蟲-第二課 實戰尚妝網分頁商品采集爬蟲

    摘要：剩下的同學，我們繼續了可以看出，作為一個完善的電商網站，尚妝網有著普通電商網站所擁有的主要的元素，包括分類，分頁，主題等等。 系列教程 手把手教你寫電商爬蟲-第一課 找個軟柿子捏捏 如果沒有看過第一課的朋友，請先移步第一課，第一課講了一些基礎性的東西，通過軟柿子切糕王子這個電商網站好好的練了一次手，相信大家都應該對寫爬蟲的流程有了一個大概的了解，那么這課咱們就話不多說，正式上戰場，對壘...

    junfeng777 評論0 收藏0

  • 手把手教你寫電商爬蟲-第二課 實戰尚妝網分頁商品采集爬蟲

    摘要：剩下的同學，我們繼續了可以看出，作為一個完善的電商網站，尚妝網有著普通電商網站所擁有的主要的元素，包括分類，分頁，主題等等。 系列教程 手把手教你寫電商爬蟲-第一課 找個軟柿子捏捏 如果沒有看過第一課的朋友，請先移步第一課，第一課講了一些基礎性的東西，通過軟柿子切糕王子這個電商網站好好的練了一次手，相信大家都應該對寫爬蟲的流程有了一個大概的了解，那么這課咱們就話不多說，正式上戰場，對壘...

    objc94 評論0 收藏0

發表評論

0條評論

最新活動
閱讀需要支付1元查看
<