【原创】淘宝关键词搜索爬取与解析

查看 167|回复 11
作者:cenjy9   
本文所有教程及源码、软件仅为技术研究。不涉及计算机信息系统功能的删除、修改、增加、干扰,更不会影响计算机信息系统的正常运行。不得将代码用于非法用途,如侵立删!

淘宝关键词搜索及X5滑块

环境
  • win10、mac
  • Python3.9


    根据关键词获取品牌列表

    先根据搜索关键词获取到所有的品牌id:也就是ppath参数,目的是这样可以筛选更精准的数据,因为默认只显示100页数据
        def get_brand(self):
            """
            根据关键词获取品牌列表
            """
            headers = {
                "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9",
                "Accept-Language": "zh-CN,zh;q=0.9",
                "Cache-Control": "no-cache",
                "Connection": "keep-alive",
                "Pragma": "no-cache",
                "Referer": "https://s.taobao.com/search?q=^%^E7^%^AC^%^94^%^E8^%^AE^%^B0^%^E6^%^9C^%^AC^%^E7^%^94^%^B5^%^E8^%^84^%^91&imgfile=&js=1&stats_click=search_radio_tmall^%^3A1&initiative_id=staobaoz_20230127&tab=mall&ie=utf8&bcoffset=0&p4ppushleft=^%^2C44&style=grid&s=0",
                "Sec-Fetch-Dest": "document",
                "Sec-Fetch-Mode": "navigate",
                "Sec-Fetch-Site": "same-origin",
                "Sec-Fetch-User": "?1",
                "Upgrade-Insecure-Requests": "1",
                "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/109.0.0.0 Safari/537.36",
                "sec-ch-ua": "^\\^Not_A",
                "sec-ch-ua-mobile": "?0",
                "sec-ch-ua-platform": "^\\^Windows^^",
            }
            cookies = {
                "cookie2": "1c1f03c4df47307258a30c65ce1db555",
            }
            url = "https://s.taobao.com/search"
            params = {
                "q": self.word,
                "imgfile": "",
                "js": "1",
                "stats_click": "search_radio_tmall^%^3A1",
                "initiative_id": "staobaoz_20230127",
                "tab": "mall",
                "ie": "utf8",
                "style": "grid"
            }
            # response = requests.get(url, headers=headers, params=params)
            response = self._parse_url(url=url, headers=headers, params=params)
            if not response:
                yield None
            # print(response.text)
            res = re.findall(r'g_page_config = (.*?)};', response.text, re.M | re.S)
            if not res:
                yield None
            datas = jsonpath.jsonpath(json.loads(res[0] + "}"), "$..sub")
            if not datas:
                yield None
            for data in datas[0]:
                yield data
    根据关键词、品牌、销量搜索商品列表

    具体的参数多抓几个包对比一下,很容易就分析出来了
        def get_products(self, ppath, page):
            """
            获取商品列表 根据销量排序
            ppath:品牌代码
            page:翻页
            """
            headers = {
                "Accept": "*/*",
                "Accept-Language": "zh-CN,zh;q=0.9",
                "Cache-Control": "no-cache",
                "Connection": "keep-alive",
                "Pragma": "no-cache",
                "Referer": "https://s.taobao.com/search?q=^%^E7^%^AC^%^94^%^E8^%^AE^%^B0^%^E6^%^9C^%^AC^%^E7^%^94^%^B5^%^E8^%^84^%^91&imgfile=&js=1&style=grid&stats_click=search_radio_tmall^%^3A1&initiative_id=staobaoz_20230127&tab=mall&ie=utf8&bcoffset=0&p4ppushleft=^%^2C44&cps=yes&ppath=20000^%^3A11119&sort=sale-desc&s=44",
                "Sec-Fetch-Dest": "script",
                "Sec-Fetch-Mode": "no-cors",
                "Sec-Fetch-Site": "same-origin",
                "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/109.0.0.0 Safari/537.36",
                "sec-ch-ua": "^\\^Not_A",
                "sec-ch-ua-mobile": "?0",
                "sec-ch-ua-platform": "^\\^Windows^^",
            }
            url = "https://s.taobao.com/search"
            params = {
                "data-key": "s",
                "data-value": page,
                "ajax": "true",
                "_ksTS": "1674837683322_2012",
                "callback": "jsonp2013",
                "q": self.word,
                "imgfile": "",
                "js": "1",
                "style": "grid",
                "stats_click": "search_radio_tmall^%^3A1",
                "initiative_id": "staobaoz_20230127",
                "tab": "mall",
                "ie": "utf8",
                "bcoffset": "0",
                "p4ppushleft": "^%^2C44",
                "cps": "yes",
                "ppath": ppath,
                "sort": "sale-desc",
                "s": ''
            }
            # 第一页的时候请求参数不一样
            if page == 1:
                params['data-value'] = '0,1'
                params['data-key'] = 's,ps'
                params['s'] = (int(page) - 1) * 44
            else:
                params['data-value'] = int(page) * 44
                params['s'] = (int(page)-1) * 44
            response = requests.get(url, headers=headers, params=params)
            return response.text
    滑块处理

    触发滑块后,搜索并定位appkey,抓到punish.js

    提取验证所需参数:
    ''appkey': 'X82Y__4efeef942d19c56bafab18ba3da969f4'
    'token': '1c797559e58912c4ee46af4bd6371aec',


    生成x5sec:"7b2277616762726964676561643b32223a223037393766353232633166646661326337346262333664616130356462383031434e434337497747454e7a746b2b7a356f493771495367454d4b447a344a4146227d"

    效果

    本文仅供学习交流使用,如侵立删!

    在这里, 关键词

  • gusong125   

    感谢大佬分享
    cenjy9
    OP
      


    一场荒唐半生梦 发表于 2023-2-8 03:02
    楼主这个可以打包成exe的吗?

    有需要的话是可以的
    链接:https://pan.baidu.com/s/1FfmJe_tFALtt1KmyLrF7Mw?pwd=uurf
    提取码:uurf
    cyxnzb   

    不错,感觉用途很多
    cyxnzb   

    登录与不登录爬取的结果差别大吗楼主
    lockxxx   

    感谢楼主分享
    mine4ever001   

    微商用到了
    yixinyingX   

    看起来很不错,但是不会用,还是谢谢分享
    一场荒唐半生梦   

    好像不登录 不可以进入第一张图片的搜索页面
    FIzz001   

    真强,感谢分享,学到了
    您需要登录后才可以回帖 登录 | 立即注册

    返回顶部