python爬取返利网中值得买中的数据(v1单线程，非scrapy框架)
先使用以前的方法将返利网的数据爬取下来，scrapy框架还不熟练，明日再战scrapy查找目标数据使用的是beautifulsoup模块。
1.观察网页，寻找规律
打开值得买这块内容
1>分析数据来源
网页上的数据分为一打开页面就存在的数据（源代码中可以看到的数据），
还有随着鼠标滑动，动态加载的数据（源代码中不显示的数据）。
2>查找规律
加载到最底端后，网页上面一共有50条相关数据，查看源代码，发现只有5条数据的源代码，剩下的数据全部是
动态加载出来的。分析这些动态数据：
F12打开Network这部分，刷新页面，鼠标不往下滑动时，并没有出现我们需要的后面的数据，随着鼠标滑动，
发现两个可能存有数据的项，发现只有ajaxGetItem...这个是我们所需要的，使用filter过滤一下。
过滤后发现如下规律：
1-2是第6-10条，1-3是第11-15条......
其他页也是这个规律，发现第二页中page参数那部分page=0-2,是从0打头的，我换成page=2-2后没有影响
所以规律就是把page部分换成对应的页数就好了。
2.代码
找到规律后，就可以写代码了。由于使用的是单线程，所以爬数据得到猴年马月了，太坑了，惭愧，以后慢慢再改进。
知识还是掌握的太少了，接触到scrapy后，觉得自己对爬虫这部分知道的仍然是冰山一角，什么深度广度，
分布式等等都接触不深，感觉自己太low了，长路漫漫漫，还有觉得scrapy好强，虽然好多用法都不造
1 # encoding=utf-8
2 import urllib2
3 from bs4 import BeautifulSoup
4 import time
5 # 返利网值得买页面的源代码中只包含5条数据，
6 # 其他的数据是动态加载的，每个页面包含50条数据
7
8 class FanLi():
9 def __init__(self):
10 self.user_agent='Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
11 self.headers={'User-Agent':self.user_agent}
12 def get_url(self):
13
14 list_url=[]
15 for i in range(1,760):
16 # 可内容直接获取的url1
17 url1='http://zhide.fanli.com/p'+str(i)
18 list_url.append(url1)
19 for j in range(2,11):
20 url2='http://zhide.fanli.com/index/ajaxGetItem?cat_id=0&tag=&page='+str(i)+'-'+str(j)+'&area=0&tag_id=0&shop_id=0'
21 list_url.append(url2)
22 return list_url
23 def getHtml(self,url):
24 # url='http://zhide.fanli.com/p'+str(pageIndex)
25 try:
26 request=urllib2.Request(url,headers=self.headers)
27 response=urllib2.urlopen(request)
28 html=response.read()
29 return html
30 except urllib2.URLError,e:
31 if hasattr(e,'reason'):
32 print u"连接失败",e.reason
33 returnNone
34 def parse(self):
35 urls=self.get_url()
36 i=0
37 # with open('zhide.txt',a) as f:
38 # f.write()
39 for url in urls:
40 i=i+1
41 html=self.getHtml(url)
42 soup=BeautifulSoup(html,'html.parser')
43 divs=soup.find_all('div',class_='zdm-list-item J-item-wrap item-no-expired')
44
45 # for item in divs:
46 # print 'item'+str(item)
47
48 for div in divs:
49 con_list=[]
50 # 商品名称
51 title=div.find('h4').get_text()
52 # 分类
53 item_type=div.find('div',class_='item-type').a.string
54 # 推荐人
55 item_user=div.find('div',class_='item-user').string
56 # 内容
57 item_cont=div.find('div',class_='item-content').get_text(strip=True)
58 # 值得买人数
59 type_yes=div.find('a',attrs={'data-type':'yes'}).string
60 # 不值得买人数
61 type_no=div.find('a',attrs={'data-type':'no'}).string
62 con_list.append(title)
63 con_list.append(item_type)
64 con_list.append(item_user)
65 con_list.append(item_cont)
66 con_list.append(type_yes)
67 con_list.append(type_no)
68
69
70 f=open('zhide.txt','a')
71 for item in con_list:
72 f.write(item.encode('utf-8')+'|')
73 f.write('\n')
74 f.close()
75 print 'sleeping loading %d'%i
76 time.sleep(3)
77
78
79
80
81 zhide=FanLi()
82 zhide.parse()
View Code 各种不足之处，还望各位大神指正。
页:
[1]