欧美三区_成人在线免费观看视频_欧美极品少妇xxxxⅹ免费视频_a级毛片免费播放_鲁一鲁中文字幕久久_亚洲一级特黄

Python實現爬取亞馬遜數據并打印出Excel文件操作示例

系統 1807 0

本文實例講述了Python實現爬取亞馬遜數據并打印出Excel文件操作。分享給大家供大家參考，具體如下：

python大神們別噴，代碼寫的很粗糙，主要是完成功能，能夠借鑒就看下吧，我是學java的，畢竟不是學python的，自己自學看了一點點python，望諒解。 

            
#!/usr/bin/env python3
# encoding=UTF-8
import sys
import re
import urllib.request
import json
import time
import zlib
from html import unescape
import threading
import os
import xlwt
import math
import requests
#例如這里設置遞歸為一百萬
sys.setrecursionlimit(1000000000)
##獲取所有列別
def getProUrl():
  urlList = []
  headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36"}
  session = requests.Session()
  furl="https://www.amazon.cn/?tag=baidu250-23&hvadid={creative}&ref=pz_ic_22fvxh4dwf_e&page="
  for i in range(0,1):
    html=""
    html = session.post(furl+str(i),headers = headers)
    html.encoding = 'utf-8'
    s=html.text.encode('gb2312','ignore').decode('gb2312')
    url=r'
            
  • 
              '
    reg=re.compile(url,re.M)
    name='"category" : "' + '(.*?)' + '"'
    reg1=re.compile(name,re.S)
    urlList = reg1.findall(html.text)
    return urlList
##根據類別獲取數據鏈接
def getUrlData(ci):
   url="https://www.amazon.cn/s/ref=nb_sb_noss_2?__mk_zh_CN=%E4%BA%9A%E9%A9%AC%E9%80%8A%E7%BD%91%E7%AB%99&url=search-alias%3Daps&field-keywords="+ci+"&page=1&sort=review-rank"
   return url
##定時任務,等待1秒在進行
def fun_timer():
  time.sleep(3)
##根據鏈接進行查詢每個類別的網頁內容
def getProData(allUrlList):
  webContentHtmlList = []
  headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36"}
  for ci in allUrlList:
    session = requests.Session()
    fun_timer()
    html = session.get(getUrlData(ci),headers = headers)
    # 設置編碼
    html.encoding = 'utf-8'
    html.text.encode('gb2312', 'ignore').decode('gb2312')
    gxg = r'
            
    • 
            
  • 
              '
    reg = re.compile(gxg, re.M)
    items = reg.findall(html.text)
    print(html.text)
    webContentHtmlList.append(html.text)
  return webContentHtmlList
##根據網頁內容過濾需要的屬性和值
def getProValue():
  list1 = [] * 5
  list2 = [] * 5
  list3 = [] * 5
  list4 = [] * 5
  list5 = [] * 5
  list6 = [] * 5
  list7 = [] * 5
  list8 = [] * 5
  urlList = getProUrl();
  urlList.remove('全部分類')
  urlList.remove('Prime會員優先購')
  index = 0
  for head in urlList:
    if index >= 0 and index < 5:
      list1.append(head)
      index = index + 1
    if index >= 5 and index < 10:
      list2.append(head)
      index = index + 1
    if index >= 10 and index < 15:
      list3.append(head)
      index = index + 1
    if index >= 15 and index < 20:
      list4.append(head)
      index = index + 1
    if index >= 20 and index < 25:
      list5.append(head)
      index = index + 1
    if index >= 25 and index < 30:
      list6.append(head)
      index = index + 1
    if index >= 30 and index < 35:
      list7.append(head)
      index = index + 1
    if index >= 35 and index < 40:
      list8.append(head)
      index = index + 1
  webContentHtmlList1 = []
  webContentHtmlList1 = getProData(list1)
  webContentHtmlList2 = []
  webContentHtmlList2 = getProData(list2)
  webContentHtmlList3 = []
  webContentHtmlList3 = getProData(list3)
  webContentHtmlList4 = []
  webContentHtmlList4 = getProData(list4)
  webContentHtmlList5 = []
  webContentHtmlList5 = getProData(list5)
  webContentHtmlList6 = []
  webContentHtmlList6 = getProData(list6)
  webContentHtmlList7 = []
  webContentHtmlList7 = getProData(list7)
  webContentHtmlList8 = []
  webContentHtmlList8 = getProData(list8)
  ##存儲所有數據的集合
  dataTwoAllList1 = []
  print("開始檢索數據,檢索數據中..........")
  ##網頁內容1
  for html in webContentHtmlList1:
    for i in range(15):
      dataList = []
      dataList.append(unescape(getProCategory(html,i)))
      dataList.append(unescape(getProTitle(html,i)))
      dataList.append(getProPrice(html,i))
      dataList.append(getSellerCount(html,i))
      dataList.append(getProStar(html,i))
      dataList.append(getProCommentCount(html,i))
      print(dataList)
      dataTwoAllList1.append(dataList)
  ##網頁內容2
  for html in webContentHtmlList2:
    for i in range(15):
      dataList = []
      dataList.append(unescape(getProCategory(html,i)))
      dataList.append(unescape(getProTitle(html,i)))
      dataList.append(getProPrice(html,i))
      dataList.append(getSellerCount(html,i))
      dataList.append(getProStar(html,i))
      dataList.append(getProCommentCount(html,i))
      print(dataList)
      dataTwoAllList1.append(dataList)
  ##網頁內容3
  for html in webContentHtmlList3:
    for i in range(15):
      dataList = []
      dataList.append(unescape(getProCategory(html,i)))
      dataList.append(unescape(getProTitle(html,i)))
      dataList.append(getProPrice(html,i))
      dataList.append(getSellerCount(html,i))
      dataList.append(getProStar(html,i))
      dataList.append(getProCommentCount(html,i))
      print(dataList)
      dataTwoAllList1.append(dataList)
  ##網頁內容4
  for html in webContentHtmlList4:
    for i in range(15):
      dataList = []
      dataList.append(unescape(getProCategory(html,i)))
      dataList.append(unescape(getProTitle(html,i)))
      dataList.append(getProPrice(html,i))
      dataList.append(getSellerCount(html,i))
      dataList.append(getProStar(html,i))
      dataList.append(getProCommentCount(html,i))
      print(dataList)
      dataTwoAllList1.append(dataList)
  ##網頁內容5
  for html in webContentHtmlList5:
    for i in range(15):
      dataList = []
      dataList.append(unescape(getProCategory(html,i)))
      dataList.append(unescape(getProTitle(html,i)))
      dataList.append(getProPrice(html,i))
      dataList.append(getSellerCount(html,i))
      dataList.append(getProStar(html,i))
      dataList.append(getProCommentCount(html,i))
      print(dataList)
      dataTwoAllList1.append(dataList)
  ##網頁內容6
  for html in webContentHtmlList6:
    for i in range(15):
      dataList = []
      dataList.append(unescape(getProCategory(html,i)))
      dataList.append(unescape(getProTitle(html,i)))
      dataList.append(getProPrice(html,i))
      dataList.append(getSellerCount(html,i))
      dataList.append(getProStar(html,i))
      dataList.append(getProCommentCount(html,i))
      print(dataList)
      dataTwoAllList1.append(dataList)
  ##網頁內容7
  for html in webContentHtmlList7:
    for i in range(15):
      dataList = []
      dataList.append(unescape(getProCategory(html,i)))
      dataList.append(unescape(getProTitle(html,i)))
      dataList.append(getProPrice(html,i))
      dataList.append(getSellerCount(html,i))
      dataList.append(getProStar(html,i))
      dataList.append(getProCommentCount(html,i))
      print(dataList)
      dataTwoAllList1.append(dataList)
  ##網頁內容8
  for html in webContentHtmlList8:
    for i in range(15):
      dataList = []
      dataList.append(unescape(getProCategory(html,i)))
      dataList.append(unescape(getProTitle(html,i)))
      dataList.append(getProPrice(html,i))
      dataList.append(getSellerCount(html,i))
      dataList.append(getProStar(html,i))
      dataList.append(getProCommentCount(html,i))
      print(dataList)
      dataTwoAllList1.append(dataList)
  print("檢索數據完成！！！！")
  print("開始保存并打印Excel文檔數據！！！！")
  ##保存文檔
  createTable(time.strftime("%Y%m%d") + '亞馬遜銷量數據統計.xls', dataTwoAllList1)
##抽取類別
def getProCategory(html,i):
    i = 0;
    name = '
              
                ' + '(.*?)' + '
              
              '
    reg=re.compile(name,re.S)
    items = reg.findall(html)
    if len(items)==0:
      return ""
    else:
      if i
              
                ' + '(.*?)' + ''
  reg=re.compile(name,re.S)
  items = reg.findall(html)
  if len(items)==0:
    return "￥0"
  else:
    return items[0]
##抽取賣家統計
def getSellerCount(html,i):
  html = getHtmlById(html,i)
  name = '
                
                  ' + '(.*?)' + '
                
                '
  reg=re.compile(name,re.S)
  items = reg.findall(html)
  if len(items)==0:
    return "(0 賣家)"
  else:
    return checkSellerCount(items,0)
##檢查賣家統計
def checkSellerCount(items,i):
  result = items[i].find('賣家') >= 0
  if result:
    if len(items[i])<=9:
      return items[i]
    else:
      return '(0 賣家)'
  else:
    if i + 1 < len(items):
      i = i + 1
      result = items[i].find('賣家') >= 0
      if result:
        if len(items[i]) <= 9:
          return items[i]
        else:
          return '(0 賣家)'
        if i + 1 < len(items[i]):
          i = i + 1
          result = items[i].find('賣家') >= 0
          if result:
            if len(items[i]) <= 9:
              return items[i]
            else:
              return '(0 賣家)'
          else:
            return '(0 賣家)'
        else:
          return '(0 賣家)'
      else:
        return '(0 賣家)'
    else:
      return '(0 賣家)'
    return '(0 賣家)'
##抽取星級 
                
                  
def getProStar(html,i):
  html = getHtmlById(html,i)
  name = '
                  
                    ' + '(.*?)' + '
                  
                  '
  reg=re.compile(name,re.S)
  items = reg.findall(html)
  if len(items)==0:
    return "平均 0 星"
  else:
    return checkProStar(items,0)
##檢查星級
def checkProStar(items,i):
  result = items[i].find('星') >= 0
  if result:
      return items[i]
  else:
    if i + 1 < len(items):
      i = i + 1
      result = items[i].find('星') >= 0
      if result:
        return items[i]
      else:
        return '平均 0 星'
    else:
      return '平均 0 星'
    return '平均 0 星'
##抽取商品評論數量 銷量
##
                  
                    56
                  
                  
def getProCommentCount(html,i):
  name = '
                  
                    '
  reg=re.compile(name,re.S)
  items = reg.findall(html)
  if len(items)==0:
    return "0"
  else:
    if i
                    
                      ")
    else:
      return "0"
##根據id取出html里面的內容
def get_id_tag(content, id_name):
 id_name = id_name.strip()
 patt_id_tag = """<[^>]*id=['"]?""" + id_name + """['" ][^>]*>"""
 id_tag = re.findall(patt_id_tag, content, re.DOTALL|re.IGNORECASE)
 if id_tag:
   id_tag = id_tag[0]
 else:
   id_tag=""
 return id_tag
##縮小范圍 定位值
def getHtmlById(html,i):
    start = get_id_tag(html,"result_"+str(i))
    i=i+1
    end = get_id_tag(html, "result_" + str(i))
    name = start + '.*?'+end
    reg = re.compile(name, re.S)
    html = html.strip()
    items = reg.findall(html)
    if len(items) == 0:
      return ""
    else:
      return items[0]
##生成word文檔
def createTable(tableName,dataTwoAllList):
  flag = 1
  results = []
  results.append("類別,標題,價格,賣家統計,星級,評論數")
  columnName = results[0].split(',')
  # 創建一個excel工作簿，編碼utf-8，表格中支持中文
  wb = xlwt.Workbook(encoding='utf-8')
  # 創建一個sheet
  sheet = wb.add_sheet('sheet 1')
  # 獲取行數
  rows = math.ceil(len(dataTwoAllList))
  # 獲取列數
  columns = len(columnName)
  # 創建格式style
  style = xlwt.XFStyle()
  # 創建font，設置字體
  font = xlwt.Font()
  # 字體格式
  font.name = 'Times New Roman'
  # 將字體font，應用到格式style
  style.font = font
  # 創建alignment，居中
  alignment = xlwt.Alignment()
  # 居中
  alignment.horz = xlwt.Alignment.HORZ_CENTER
  # 應用到格式style
  style.alignment = alignment
  style1 = xlwt.XFStyle()
  font1 = xlwt.Font()
  font1.name = 'Times New Roman'
  # 字體顏色（綠色）
  # font1.colour_index = 3
  # 字體加粗
  font1.bold = True
  style1.font = font1
  style1.alignment = alignment
  for i in range(columns):
    # 設置列的寬度
    sheet.col(i).width = 5000
  # 插入列名
  for i in range(columns):
    sheet.write(0, i, columnName[i], style1)
  for i in range(1,rows):
    for j in range(0,columns):
      sheet.write(i, j, dataTwoAllList[i-1][j], style)
    wb.save(tableName)
##入口開始
input("按回車鍵開始導出..........")
fun_timer()
print("三秒后開始抓取數據.......,請等待！")
getProValue();
print("數據導出成功!請注意查看!")
print("數據文檔《亞馬遜銷量數據統計.xls》已經存于C盤下面的C:\Windows\SysWOW64的該路徑下面！！！！")
input()


                    
                  
                
              
            
    •

    結果數據：

    Python實現爬取亞馬遜數據并打印出Excel文件操作示例_第1張圖片

    打包成exe文件，直接可以點擊運行：打包過程我就不一一說了，都是一些命令操作：

    要安裝pyinstaller，打成exe的操作命令：--inco是圖標，路徑和項目當前路徑一樣

    途中遇到很多問題，都一一解決了，亂碼，ip限制，打包后引入模塊找不到，遞歸最大次數，過濾的一些問題

    pyinstaller -F -c --icon=my.ico crawling.py ??? 這是打包命令

    Python實現爬取亞馬遜數據并打印出Excel文件操作示例_第2張圖片

    效果圖：

    Python實現爬取亞馬遜數據并打印出Excel文件操作示例_第3張圖片

    更多關于Python相關內容可查看本站專題：《Python Socket編程技巧總結》、《Python正則表達式用法總結》、《Python數據結構與算法教程》、《Python函數使用技巧總結》、《Python字符串操作技巧匯總》、《Python入門與進階經典教程》及《Python文件與目錄操作技巧匯總》

    希望本文所述對大家Python程序設計有所幫助。


    更多文章、技術交流、商務合作、聯系博主

    微信掃碼或搜索：z360901061

    微信掃一掃加我為好友

    QQ號聯系： 360901061

    您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。

    【本文對您有幫助就好】元

    您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧，站長會非常 感謝您的哦！！！

    發表我的評論
    最新評論 總共0條評論
    主站蜘蛛池模板： 波多野结衣中文在线观看 | 91视频.com| 亚洲精品成人av在线 | 久久精品国产99国产 | 国产精品久久99 | 国产精品久久久久aaaa九色 | www.奇米第四色 | 亚洲不卡视频在线 | 国产 高清 在线 | 午夜激情av| 国产视频1 | 91看片淫黄大片欧美看国产片 | 色插综合 | 国产精品视频免费一区二区三区 | 日韩视频在线播放 | 91视频.com | 成人免费久久精品国产片久久影院 | 欧美黄色一级 | 久久精品视频在线看99 | 亚洲视频在线一区 | 国产乱码一区二区三区四 | 成人看片 | 亚洲一区在线播放 | 丁香六月啪 | 国产毛片a级 | 日韩精品成人a在线观看 | 国产精品视频99 | 成人一区专区在线观看 | 国产精品美女久久久 | 免费一级欧美片片线观看 | 91成人国产网站在线观看 | 成人黄色小视频网站 | 久久草视频这里只精品99 | 一97日本道伊人久久综合影院 | 亚洲91在线 | 免费黄网站在线播放 | 亚洲高清视频在线观看 | 午夜精品久久久久久久99蜜桃i | 日本高清乱理伦片中文字幕啊 | 成人黄视频在线观看 | 波多野结衣在线资源 |